numpy索引與多個陣列

給定每個數據點的兩個數據序列（等長）和質量值，我想根據給定的評分矩陣計算相似度分數。numpy索引與多個陣列

什麼是向量化下面的循環最有效的方式：

score = 0 
for i in xrange(len(seq1)): 
    score += similarity[seq1[i], seq2[i], qual1[i], qual2[i]]

是4維float數組，形狀=（32，32，100，100）; seq1,seq2,qual1和qual2是長度相等（1000-40000）的一維int數組。

來源

2013-05-02 Quant Metropolis

不應該只是工作（tm）？

>>> score = 0 
>>> for i in xrange(len(seq1)): 
     score += similarity[seq1[i], seq2[i], qual1[i], qual2[i]] 
...  
>>> score 
498.71792400493433 
>>> similarity[seq1,seq2, qual1, qual2].sum() 
498.71792400493433

代碼：

import numpy as np 

similarity = np.random.random((32, 32, 100, 100)) 
n = 1000 
seq1, seq2, qual1, qual2 = [np.random.randint(0, s, n) for s in similarity.shape] 

def slow(): 
    score = 0 
    for i in xrange(len(seq1)): 
     score += similarity[seq1[i], seq2[i], qual1[i], qual2[i]] 
    return score 

def fast(): 
    return similarity[seq1, seq2, qual1, qual2].sum()

給出：

>>> timeit slow() 
100 loops, best of 3: 3.59 ms per loop 
>>> timeit fast() 
10000 loops, best of 3: 143 us per loop 
>>> np.allclose(slow(),fast()) 
True

來源

2013-05-02 15:26:43 DSM

那真是太好了。我喜歡這個比我自己的回答更好（儘管我可能只是爲了對比而離開我）。 +1。 – 2013-05-02 15:32:56

這是一個我不知道的「numpy」功能。 – GWW 2013-05-02 15:33:47

謝謝！ - 在我的機器上的計時（包括John Zwinck的答案爲'第三'）1000次迭代10000：慢速：17.1289219856，快速：0.61208987236，第三：15.7027080059 – 2013-05-02 17:05:00

這個怎麼樣？

score = numpy.sum(map(similarity.__getitem__, zip(seq1, seq2, qual1, qual2)))

當然，你也可以試用itertools imap和izip。因爲__getitem__需要一個元組而不是四個數字，所以zip是必要的，也許可以通過在itertools模塊的較暗角落查找來改進。

來源

2013-05-02 15:31:13

numpy索引與多個陣列

回答

相關問題