Python 需要删除for循环以使代码矢量化并运行得更快

我有一个学校作业，我必须创建一个分类器（kNN）。我试着这么做，但速度非常慢。我需要在不使用循环的情况下加快速度，但我不确定如何做到这一点。我有培训数据和标签。我还有测试数据

我已经创建了一个函数来执行分类

label=classifier(train, trainlabel, testvector)

其中train是作为nxm矩阵的训练数据。 trainlabel是mx1的标签。 testvector是一个样本，它是nx1

我必须预测的完整测试数据是一些nxk矩阵。现在我正在创建一个循环来提取列并将其传递到我的分类器中。请参阅下面的代码

for i in range(0, numoftestsamples):
    testvector=testdata[:,i]
    predictions[i]= classifier(train, trainlabel, testvector)

---

有没有办法将其矢量化以便在python上运行得更快？

欢迎使用StackOverflow

正如@hpaulj所说，您需要在分类器中进行优化，使其能够一次对完整矩阵

testdata

进行操作，而不是一次对一列（

testvector

）进行操作。然后您的

for

循环将替换为

predictions = classifier(train,trainlabel,testdata)

---

您还可以并行化列向量上的操作，有很多方法可以做到这一点。在普通python中，有一个

多处理

模块可以使这一过程变得非常简单。但是，根据计算密集程度的不同，一种方法可能会胜过另一种方法。

欢迎使用StackOverflow

正如@hpaulj所说，您需要在分类器中进行优化，使其能够一次对完整矩阵

testdata

进行操作，而不是一次对一列（

testvector

）进行操作。然后您的

for

循环将替换为

predictions = classifier(train,trainlabel,testdata)

---

您还可以并行化列向量上的操作，有很多方法可以做到这一点。在普通python中，有一个

多处理

模块可以使这一过程变得非常简单。然而，根据计算密集程度不同的

分类器

的不同，一种方法可能胜过另一种方法。

如果

分类器

一次只能处理一个

测试向量

，那么除了此之外，您没有什么可以做的。虽然您可能无法对代码进行向量化，但可以使其并行运行。最简单的方法（如果可行的话）是使用if

classifier

中的

prange

一次只对一个

testvector

有效，您没有其他方法可以做。虽然您可能无法对代码进行矢量化，但您可以让它并行运行。最简单的方法（如果可行的话）是从