2011-09-12 16 views

Odpowiedz

16

Jeśli X to tablica i c jest czynnikiem,

X[np.diag_indices_from(X)] /= c 

Zobacz diag_indices_from w instrukcji NumPy.

14

Szybkim sposobem dostępu przekątnej kwadratu (n,n) numpy tablicy jest z arr.flat[::n+1]:

n = 1000 
c = 20 
a = np.random.rand(n,n) 

a[np.diag_indices_from(a)] /= C# 119 microseconds 
a.flat[::n+1] /= C# 25.3 microseconds 
4

Funkcja np.fill_diagonal jest dość szybki:

np.fill_diagonal(a, a.diagonal()/c) 

gdzie a to tablica i c jest twój czynnik. Na mojej maszynie ta metoda była tak szybka jak metoda @ kwgoodmana a.flat[::n+1] /= c i, moim zdaniem, nieco jaśniejsza (ale nie tak łatwa).

3

Porównując powyższe 3 metody:

import numpy as np 
import timeit 

n = 1000 
c = 20 
a = np.random.rand(n,n) 
a1 = a.copy() 
a2 = a.copy() 
a3 = a.copy() 

t1 = np.zeros(1000) 
t2 = np.zeros(1000) 
t3 = np.zeros(1000) 

for i in range(1000): 
    start = timeit.default_timer() 
    a1[np.diag_indices_from(a1)] /= c 
    stop = timeit.default_timer() 
    t1[i] = start-stop 

    start = timeit.default_timer() 
    a2.flat[::n+1] /= c 
    stop = timeit.default_timer() 
    t2[i] = start-stop 

    start = timeit.default_timer() 
    np.fill_diagonal(a3,a3.diagonal()/c) 
    stop = timeit.default_timer() 
    t3[i] = start-stop 

print([t1.mean(), t1.std()]) 
print([t2.mean(), t2.std()]) 
print([t3.mean(), t3.std()]) 

[-4.5693619907979154e-05, 9.3142851395411316e-06] 
[-2.338075107036275e-05, 6.7119609571872443e-06] 
[-2.3731951987429056e-05, 8.0455946813059586e-06] 

Więc widać, że metoda np.flat jest najszybszy, ale nieznacznie. Kiedy uruchamiałem to jeszcze kilka razy, zdarzały się momenty, gdy metoda fill_diagonal była nieco szybsza. Ale czytelność mądra jest prawdopodobnie warta użycia metody fill_diagonal.

Powiązane problemy