如何优化以下for循环代码？

我有一个非常大的数据集，我正在使用以下代码。 计算花费了太多时间，我想减少迭代次数。

如何提高代码的性能？

import numpy as np

Z=np.asarray([[1,2],
              [3,4],
              [5,6],
              [7,8]])

R=np.asarray([[1,2,3],
              [4,5,6]])

AL=np.asarray([[1,2,3],
               [4,5,6]])

X=np.asarray([[1,2,3],
              [4,5,6],
              [7,8,9],
              [10,11,12]])

N = 4
M = 2
D = 3

result = np.ones([N, D])
for i in range(N):
  for l in range(D):
    temp=[]
    for j in range(M):
      temp.append(Z[i][j]*(R[j][l]+AL[j][l]*X[i][l]))
    result[i][l] = np.sum(temp)   

print(result)

输出是：

array([[ 18.,  36.,  60.],
       [ 95., 156., 231.],
       [232., 360., 510.],
       [429., 648., 897.]])

使用时numpy，更喜欢使用矩阵和数组运算而不是for迭代。性能明显更好。

你的解决方案可以写成：

result = Z.dot(R) + Z.dot(AL) * X

Output:

array([[ 18.,  36.,  60.],
       [ 95., 156., 231.],
       [232., 360., 510.],
       [429., 648., 897.]])