पर कैसे धक्का देना है मेरे पास कोड का निम्नलिखित भाग है जो मैं चाहता हूं (यह एक क्रिंग विधि का हिस्सा है)। लेकिन समस्या यह है कि यह बहुत धीमी हो जाती है, और मैं जानना चाहता हूं कि फॉर-लूप को कम करने के लिए कोई विकल्प है या नहीं? अगर मैं numpy.sum को दबाता हूं, और धुरी तर्क का उपयोग करता हूं, तो यह थोड़ा सा गति करता है, लेकिन स्पष्ट रूप से यह बाधा नहीं है। मैं कैसे नीचे forloop धक्का कर सकते हैं पर कोई भी विचार यह इसकी गति बढ़ाने के लिए NumPy के लिए, या यह इसकी गति बढ़ाने के लिए अन्य तरीकों से?)फॉर-लूप को numpy
# n = 2116
print GRZVV.shape # (16309, 2116)
print GinvVV.shape # (2117, 2117)
VVg = numpy.empty((GRZVV.shape[0]))
for k in xrange(GRZVV.shape[0]):
GRVV = numpy.empty((n+1, 1))
GRVV[n, 0] = 1
GRVV[:n, 0] = GRZVV[k, :]
EVV = numpy.array(GinvVV * GRVV) # GinvVV is numpy.matrix
VVg[k] = numpy.sum(EVV[:n, 0] * VV)
मैं बाहर कुछ सामान
स्पष्ट करने के ndarrays n मैट्रिक्स के आयामों तैनातसंपादित करें: वी.वी. के आकार 2116
क्या आकार है ' VV'? –
यदि 'वीवी.शिप == (1630 9,)', तो आप इसे 'ईवीवी [: एन, 0]' द्वारा कैसे जोड़ सकते हैं जिसमें आकार '(एन,) 'है? – askewchan
हो सकता है कि आपके लूप की आखिरी पंक्ति में 'ईवीवी [: एन, 0] * वीवी [के]' होना चाहिए, जो कि जैम का जवाब मानता है। – askewchan