6 매개 변수 함수의 매개 변수 공간을 실행하여 복잡한 동작을 시도하기 전에 숫자 동작을 연구하려고하므로 효율적인 방법을 찾고 있습니다.
내 함수는 6-dim numpy 배열이 주어진 float 값을 입력으로 사용합니다. 처음에 시도한 것은 다음과 같습니다.
먼저 2 개의 배열을 사용하고 두 배열의 모든 값 조합으로 배열을 생성하는 함수를 만들었습니다.
from numpy import *
def comb(a,b):
c = []
for i in a:
for j in b:
c.append(r_[i,j])
return c그런 다음 reduce()동일한 배열의 m 복사본에 적용했습니다.
def combs(a,m):
return reduce(comb,[a]*m)그런 다음 내 기능을 다음과 같이 평가합니다.
values = combs(np.arange(0,1,0.1),6)
for val in values:
print F(val)이것은 작동하지만 너무 느립니다. 나는 매개 변수의 공간이 크다는 것을 알고 있지만 그렇게 느려서는 안됩니다. 이 예제에서는 10 6 (백만) 포인트 만 샘플링 했으며 배열을 만드는 데 15 초 이상이 걸렸습니다 values.
numpy 로이 작업을보다 효율적으로 수행하는 방법을 알고 있습니까?
F필요한 경우 함수 가 인수를 취하는 방식을 수정할 수 있습니다 .
답변
최신 버전 numpy(> 1.8.x) numpy.meshgrid()에서는 훨씬 빠른 구현을 제공합니다.
@pv의 솔루션
In [113]:
%timeit cartesian(([1, 2, 3], [4, 5], [6, 7]))
10000 loops, best of 3: 135 µs per loop
In [114]:
cartesian(([1, 2, 3], [4, 5], [6, 7]))
Out[114]:
array([[1, 4, 6],
[1, 4, 7],
[1, 5, 6],
[1, 5, 7],
[2, 4, 6],
[2, 4, 7],
[2, 5, 6],
[2, 5, 7],
[3, 4, 6],
[3, 4, 7],
[3, 5, 6],
[3, 5, 7]])numpy.meshgrid()2D로만 사용하면 이제 ND가 가능합니다. 이 경우 3D :
In [115]:
%timeit np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)
10000 loops, best of 3: 74.1 µs per loop
In [116]:
np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)
Out[116]:
array([[1, 4, 6],
[1, 5, 6],
[2, 4, 6],
[2, 5, 6],
[3, 4, 6],
[3, 5, 6],
[1, 4, 7],
[1, 5, 7],
[2, 4, 7],
[2, 5, 7],
[3, 4, 7],
[3, 5, 7]])최종 결과의 순서는 약간 다릅니다.
답변
다음은 순수한 숫자 구현입니다. itertools를 사용하는 것보다 약 5 배 빠릅니다.
import numpy as np
def cartesian(arrays, out=None):
"""
Generate a cartesian product of input arrays.
Parameters
----------
arrays : list of array-like
1-D arrays to form the cartesian product of.
out : ndarray
Array to place the cartesian product in.
Returns
-------
out : ndarray
2-D array of shape (M, len(arrays)) containing cartesian products
formed of input arrays.
Examples
--------
>>> cartesian(([1, 2, 3], [4, 5], [6, 7]))
array([[1, 4, 6],
[1, 4, 7],
[1, 5, 6],
[1, 5, 7],
[2, 4, 6],
[2, 4, 7],
[2, 5, 6],
[2, 5, 7],
[3, 4, 6],
[3, 4, 7],
[3, 5, 6],
[3, 5, 7]])
"""
arrays = [np.asarray(x) for x in arrays]
dtype = arrays[0].dtype
n = np.prod([x.size for x in arrays])
if out is None:
out = np.zeros([n, len(arrays)], dtype=dtype)
m = n / arrays[0].size
out[:,0] = np.repeat(arrays[0], m)
if arrays[1:]:
cartesian(arrays[1:], out=out[0:m, 1:])
for j in xrange(1, arrays[0].size):
out[j*m:(j+1)*m, 1:] = out[0:m, 1:]
return out답변
itertools.combinations 는 일반적으로 파이썬 컨테이너에서 조합을 얻는 가장 빠른 방법입니다 (실제로 반복을하지 않고 순서와 무관하게 조합을 원한다면 코드가 수행하는 것처럼 보이지 않지만 할 수는 없습니다. 코드가 버그가 있거나 잘못된 용어를 사용하고 있는지 여부를 알려줍니다).
itertools의 다른 반복자 product또는 조합과 다른 조합을 원하면 permutations더 나은 서비스를 제공 할 수 있습니다. 예를 들어, 코드는 다음과 거의 같습니다.
for val in itertools.product(np.arange(0, 1, 0.1), repeat=6):
print F(val)이 모든 반복자는 목록이나 numpy 배열이 아닌 튜플을 생성하므로 F가 numpy 배열을 얻는 데 까다로운 경우 각 단계마다 하나씩 구성하거나 지우고 다시 채우는 추가 오버 헤드를 허용해야합니다.
답변
이런 식으로 할 수 있습니다
import numpy as np
def cartesian_coord(*arrays):
grid = np.meshgrid(*arrays)
coord_list = [entry.ravel() for entry in grid]
points = np.vstack(coord_list).T
return points
a = np.arange(4) # fake data
print(cartesian_coord(*6*[a])어느 것이
array([[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 1],
[0, 0, 0, 0, 0, 2],
...,
[3, 3, 3, 3, 3, 1],
[3, 3, 3, 3, 3, 2],
[3, 3, 3, 3, 3, 3]])답변
다음의 numpy 구현은 대략적으로되어야합니다. 주어진 답변 속도의 2 배
def cartesian2(arrays):
arrays = [np.asarray(a) for a in arrays]
shape = (len(x) for x in arrays)
ix = np.indices(shape, dtype=int)
ix = ix.reshape(len(arrays), -1).T
for n, arr in enumerate(arrays):
ix[:, n] = arrays[n][ix[:, n]]
return ix답변
그리드가 함수를 평가하기를 원하는 것처럼 보입니다.이 경우 numpy.ogrid(열기) 또는 numpy.mgrid(살아 남기 )를 사용할 수 있습니다 .
import numpy
my_grid = numpy.mgrid[[slice(0,1,0.1)]*6]답변
당신이 사용할 수있는 np.array(itertools.product(a, b))
