Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
如何在data.table中编写累积计算
顺序累积计算 我需要进行时间序列计算 其中每行计算的值取决于上一行计算的结果 我希望能够利用data table 实际问题是水文模型 累积水平衡计算 在每个时间步长增加降雨量 并减去径流和蒸发作为当前水量的函数 该数据集包括不同的流域和场景
r
dataTable
TimeSeries
vectorization
differenceequations
用子矩阵替换 numpy 矩阵元素
鉴于我有一个索引方阵 例如 idxs np array 1 1 0 1 以及彼此大小相同的方阵数组 不一定与idxs mats array 0 0 0 0 5 1 0 3 1 1 我想替换每个索引idxs对应的矩阵为mats 得到 arra
python
performance
NumPy
Indexing
vectorization
在python中向量化6个for循环累积和
数学问题是 总和中的表达式实际上比上面的表达式复杂得多 但这是一个最小的工作示例 以免事情过于复杂 我使用 6 个嵌套 for 循环在 Python 中编写了此代码 正如预期的那样 即使在 Numba Cython 和朋友的帮助下 它的性能
python
NumPy
forloop
vectorization
如何对 numpy 数组进行采样并有效地对每个样本执行计算?
假设我有一个一维数组 我想要的是使用移动窗口进行采样 并在窗口内将每个元素除以第一个元素 例如 如果我有 2 5 8 9 6 窗口大小为 3 结果将是 1 2 5 4 1 1 6 1 8 1 1 125 0 75 我现在所做的基本上是一个f
python
performance
pandas
NumPy
vectorization
Python 从一组值中屏蔽图像像素
提供带有标签的图像 像素的值对应于其标签 以及接受的标签列表 我尝试使用以下命令创建 蒙版 图像255如果像素标签被接受 则值 0否则 我知道这是一种缓慢的方法 因为它以 python 速度迭代图像 但它很好地演示了这个想法 mask nu
python
image
performance
NumPy
vectorization
是否可以矢量化 scipy.optimize.fminbound?
我有一些按时间参数化的轨迹数据点 我想知道每个点到拟合它们的曲线的最短距离 似乎有几种方法可以解决这个问题 例如here https kitchingroup cheme cmu edu blog 2013 02 14 Find the m
python
scipy
vectorization
minimization
如何矢量化 3D Numpy 数组
我有一个 3D numpy 数组 例如a np zeros 100 100 20 我想对每个执行操作x y涉及所有元素的位置z轴 结果存储在一个数组中 例如b np zeros 100 100 在同一个对应的x y位置 现在我使用 for
python
Arrays
performance
NumPy
vectorization
Python 中高效的逐元素函数计算
我有以下优化问题 给定两个 np arraysX Y和一个函数K我想尽快计算矩阵关联 gram matrix 其中 i j th元素计算为K X i Y j 这里有一个使用嵌套 for 循环的实现 它被认为是解决此类问题最慢的 def pr
python
NumPy
scikitlearn
vectorization
向量化函数 (Python)
我是 python 新手 尝试进行硬件分配 但它不断向我抛出此错误 在 iPython Notebook 中 TypeError unsupported operand type s for or pow list and float 这是
python
NumPy
scipy
vectorization
Scalar
更有效的循环方式?
我有来自一个更大脚本的一小段代码 我发现当函数t area被调用时 它负责大部分运行时间 我自己测试了这个函数 它并不慢 我相信它需要运行很多次 所以需要花费很多时间 这是调用该函数的代码 tri area np zeros numx nu
python
performance
forloop
vectorization
microoptimization
如何在Matlab中计算两个矩阵之间的快速外积?
我有两个 n m 矩阵 A and B 我想创建一个新的矩阵C类似于 for i 1 n C C outerProduct A i B i end i e C是一个大小为 m x m 的矩阵 即各行的所有外积之和A and B 有没有一种无
MATLAB
matrix
vectorization
将 3D 矩阵与 2D 矩阵相乘
假设我有一个AxBxC matrix X and a BxD matrix Y 是否有一种非循环方法可以将每个C AxB矩阵与Y 作为个人喜好 我希望我的代码尽可能简洁和可读 这是我会做的 尽管它不符合您的 无循环 要求 for m 1 C
MATLAB
matrix
vectorization
matrixmultiplication
为什么矢量化通常比循环更快?
为什么在执行操作的硬件的最低级别和所涉及的一般底层操作 即 运行代码时所有编程语言的实际实现通用的事情 矢量化通常比循环快得多 计算机在循环时会做什么而在使用矢量化时不会做什么 我指的是计算机执行的实际计算 而不是程序员编写的计算 或者它有
performance
languageagnostic
vectorization
SIMD
lowlevel
使用每行的列索引向量提取矩阵元素
我有一个MxN矩阵 我想要一个列向量v 使用向量s它告诉我对于矩阵中的每一行我将采用哪一列 这是一个例子 Matrix 4 13 93 20 42 31 18 94 64 02 7 44 24 91 15 11 20 43 38 31 21
MATLAB
matrix
vectorization
加速用于 FDR 估计的 MATLAB 代码
我有 2 个输入变量 p 值向量 p with N元素 未排序 and N x M具有通过随机排列获得的 p 值的矩阵 pr with M迭代 N相当大 10K到100K甚至更多 M假设是 100 我正在估计每个元素的错误发现率 FDR p
performance
MATLAB
vectorization
如何在 MATLAB 中编写向量化函数
我刚刚学习MATLAB 我发现很难理解循环与矢量化函数的性能因素 在我之前的问题中 MATLAB 中的嵌套 for 循环非常慢 预分配 https stackoverflow com q 7811239 518169我意识到使用向量化函数与
performance
MATLAB
loops
forloop
vectorization
用于分类的 Python 向量化[重复]
这个问题在这里已经有答案了 我目前正在尝试构建一个包含大约 80 个类别的文本分类模型 文档分类 当我使用随机森林构建和训练模型时 将文本矢量化为 TF IDF 矩阵后 该模型运行良好 然而 当我引入新数据时 我用来构建 RF 的相同单词不
python
scikitlearn
vectorization
RandomForest
对向量元素进行向量化循环
我发现很难对以下问题提出快速解决方案 我有一个观察向量 它表示观察某些现象的时间 example lt c 0 0 0 1 0 1 1 0 0 0 1 0 0 1 1 0 0 1 0 0 现在我想消除特定观察之间的零 假设某种现象会持续下去
r
loops
vector
vectorization
多个常数到一个矩阵并将它们转换为matlab中的块对角矩阵
我有a1 a2 a3 它们是常数 我有一个矩阵A 我想做的是得到a1 A a2 A a3 A三个矩阵 然后我想将它们转移到对角块矩阵中 对于三个常数的情况 这很容易 我可以让b1 a1 A b2 a2 A b3 a3 A 然后在matlab
MATLAB
matrix
vectorization
diagonal
向量化 for 循环 NumPy
我对 Python 比较陌生 并且有一个嵌套的 for 循环 由于 for 循环需要一段时间才能运行 因此我试图找到一种方法来向量化此代码 以便它可以运行得更快 在本例中 coord 是一个 3 维数组 其中 coord x 0 0 和 c
python
NumPy
scipy
vectorization
Cython
1
2
3
4
5
6
...13
»