回答此问题可获得 20 贡献值,回答如果被采纳可获得 50 分。
<p>我在用NumPy做矩阵乘法美国运输部(). 由于数据集非常大,我希望尽可能减少整个运行时间,即尽可能少地执行美国运输部()产品。在</p>
<p>具体地说,我需要计算整个矩阵乘积以及值向量的每个元素的相关流。
在纽比里有没有一种方法可以把所有这些计算在一起美国运输部()产品?
在下面的代码中,有没有方法可以减少美国运输部()产品仍然获得相同的产量?在</p>
<hr/>
<pre><code>import pandas as pd
import numpy as np
vector = pd.DataFrame([1, 2, 3],
['A', 'B', 'C'], ["Values"])
matrix = pd.DataFrame([[0.5, 0.4, 0.1],
[0.2, 0.6, 0.2],
[0.1, 0.3, 0.6]],
index = ['A', 'B', 'C'], columns = ['A', 'B', 'C'])
# Can the number of matrix multiplications in this part be reduced?
overall = np.dot(vector.T, matrix)
from_A = np.dot(vector.T * [1,0,0], matrix)
from_B = np.dot(vector.T * [0,1,0], matrix)
from_C = np.dot(vector.T * [0,0,1], matrix)
print("Overall:", overall)
print("From A:", from_A)
print("From B:", from_B)
print("From C:", from_C)
</code></pre>