我有两个向量,v1
和{v1
的每个值中减去v2
的每个值,然后将结果存储到另一个向量中。我还想使用非常大的向量(例如1e6大小),所以我认为我应该使用numpy来提高性能。在
到目前为止,我有:
import numpy
v1 = numpy.array(numpy.random.uniform(-1, 1, size=1e2))
v2 = numpy.array(numpy.random.uniform(-1, 1, size=1e2))
vdiff = []
for value in v1:
vdiff.extend([value - v2])
这将创建一个包含100个条目的列表,每个条目都是一个大小为100的数组。我不知道这是不是最有效的方法。 我想用尽可能小的对象大小(按内存大小)快速计算1e4期望值。在
np.subtract.outer
您可以将^{} 与^{} 一起使用,然后转置:
这两种方法的性能相当。在
你不会对你提到的巨型阵列很感兴趣。但是如果有更合理大小的矩阵(足够小,结果可以放入内存中),那么最好的方法是使用broadcasting。在
相关问题 更多 >
编程相关推荐