numpy的：廣播矩陣相乘翻過陣列

我有一個3xN陣列，概念上的N 3-矢量陣列，我要建構陣列從矩陣給定3x3矩陣與陣列的每一列乘以結果。有沒有一種以矢量化的方式做到這一點的好方法？numpy的：廣播矩陣相乘翻過陣列

目前，我的問題是3xN，但我將來可能需要考慮3xNxM（或更多）。

糊塗的做法

U=numpy.rand([3,24]) 

R=numpy.eye(3) # placeholder 

for i in xrange(U.shape[1]): 
    U[:,i]=numpy.dot(R, U[:,i])

來源

2014-04-09 Dave

在這裏看到我的答案：http://stackoverflow.com/a/22081723/553404 – YXD

@MrE的答案是相當不錯的，對於我的形狀（3xN），我避免了你在那裏提到的轉置。 – Dave

使用np.einsum函數，即使對於多di大小問題：

U = np.random.rand(3,24,5) 
R = np.eye(3,3) 
result = np.einsum("ijk,il", U,R)

該符號有點棘手：您首先給出的字符串指出了數組維度的單元;所以對於U而言，ijk是每個維度的運行餘量。它遵循愛因斯坦求和慣例，所以在字符串中具有相同字母的元素將被求和。詳情請參閱ScipyDocs。我敢肯定在你的情況下，點更快，因爲開銷更少，它可能會使用一些例程，但正如你所說，你想擴展到更多維度，這可能是一條路。

來源

2014-04-09 21:00:21 Magellan88

在實際的基準測試中，Einsum經常拉開序幕。特別是在這些涉及小尺寸收縮的情況下。我想通過gufunc機制來調用BLAS;也就是說，每個微小的子矩陣都有一個單獨的BLAS調用。在這樣的情況下，BLAS會因O（N）的開銷而受到影響，這會很快壓倒Einsum的O（1）開銷。 –

在這種情況下，你可以簡單地調用np.dot(R, U)，它會工作：

import numpy as np 

np.random.seed(0) 

U = np.random.rand(3,24) 
R = np.random.rand(3,3) 

result = np.empty_like(U) 

for i in range(U.shape[1]): 
    result[:,i] = np.dot(R, U[:,i]) 

print result 

print np.allclose(result, np.dot(R, U))

對於(3xNxM)情況下，你可以重塑到（3次（NM）），dot和重塑結果回來，類似於我的回答here

來源

2014-04-09 17:41:27 YXD

我認爲使用np.dot時，可以實際上是要走的路，因爲它經常使用真正快速的庫，如Blas或Lapack進行了高度優化。 – Magellan88

numpy的：廣播矩陣相乘翻過陣列

回答

相關問題