如何在Numpy中对逐行乘法和重加法进行矢量化？

有没有办法从代码中删除for循环

for iteration in range(1, 101):
    rs[iteration] += rs[iteration - 1] * adjacency_matrix

---

rs

矩阵用初始值填充，每次迭代向量

rs[iteration]

都是使用前一次迭代乘以

邻接矩阵

计算的，正如注释中所指出的，您只需计算邻接矩阵乘以初始条件的幂。如果您只想在时间100时得到结果，那么可以使用重复的平方运算非常快速地完成

100=64+32+4

，您只需要大约5个倍数。如果你想要所有中间结果，那么如果你的矩阵是对称的（邻接矩阵通常是对称的），那么首先对矩阵进行对角化是很有用的。

似乎

rs

矩阵存储了

邻接矩阵

乘以初始值的元素级幂？这样的串行计算很难实现“矢量化”。通常编译的

numpy

计算是“并行”的，就好像所有元素都是一次计算的，而不是一个接一个地计算（即使它在C代码中迭代）但是，

ufunc

将
方法累积到这类迭代中。例如
cumsum
。我想是这样的，它最初是用
（1-beta）/n
值填充的，除了第0行的初始值是
1/n
，并且这些初始值被添加到
rs[迭代-1]*邻接矩阵
。你有如何使用ufunc进行乘法和加法的技巧吗。
cumsum
似乎只是累加。这不是python的问题。问题是rs包含初始值，
rs=np.full（shape=（101，n），fill\u value=（1-beta）/n）
，我必须加上它，所以它不是一个直接乘法。@sukisule我不明白这有什么关系。也许你可以详细说明一下。