擅长:python、mysql、java
<p>这里有一种矢量化的方法来利用<a href="https://docs.scipy.org/doc/numpy-1.13.0/user/basics.broadcasting.html" rel="noreferrer">^{<cd1>}</a>得到{<cd2>}-</p>
<pre><code>np.abs(forecasted_array[:,None] - observed_array).sum()
</code></pre>
<p>为了接受相同的列表和数组,我们可以使用NumPy内建函数进行外部减法,如下-</p>
^{pr2}$
<p>我们还可以利用<a href="http://numexpr.readthedocs.io/en/latest/intro.html#how-it-works" rel="noreferrer">^{<cd3>} module</a>来进行更快的<code>absolute</code>计算,并在一个单独的<code>numexpr evaluate</code>调用中执行<code>summation-reductions</code>,这样可以大大提高内存效率,比如-</p>
<pre><code>import numexpr as ne
forecasted_array2D = forecasted_array[:,None]
total = ne.evaluate('sum(abs(forecasted_array2D - observed_array))')
</code></pre>