取第一条和中间条、第二条和中间条的点积+；1个条目，直到中间1个和最后一个条目python/numpy

对不起，这个听起来很模糊的问题，我真的想不出更好的方式来描述我正在尝试做什么

我有一个81x99000x3数组，对于81个条目中的每个条目；我需要将第一个条目与第495000个条目（中间）的点积相加，第二个条目与第495001个条目相加，依此类推，直到第4999个条目与最后一个条目相加

现在我把它放在这样一个循环中：

import numpy as np
summed = 0

Nt = 990000
i = Nt/2

for k in xrange(81):
  for j in xrange(Nt-i-1):
    vec1 = array[k][j]
    vec2 = array[k][j+i]

    summed += np.dot(vec1,vec2)

但是，这显然相当慢，因为它要处理81x990000=8019000个条目

---

有没有一种更简单的方法来实现这一点？

NB阅读您的问题，我想您希望第二个嵌套循环是xrange（Nt-I）中j的

：

，因为

xrange

排除了上限

我想你可以用你想要的东西：

e、 g

毫无疑问，您甚至可以删除外部循环（尽管在您的情况下，它可能不会加快速度）：

给予

---

由于您希望从

0

一直到

494999

条目，因此我认为对于

jth

迭代，代码需要稍微编辑，对于xrange（Nt-I）中的j，代码必须是

。现在，回到手头的问题，您基本上是将每个
3D切片
切成两半，在它们之间进行元素相乘，然后对所有元素求和。这里，切片指的是由轴=（1,2）

形成的二维数组

要解决我们的问题，您可以模拟-

• 用……切成两半
• 对应元素与之间的元素相乘：
• 将所有元素求和为：

因此，实现看起来是这样的-

m,n,r = array.shape
out = array.reshape(m,2,-1,r).prod(1).sum()

运行时测试并验证输出-

定义功能：

def vectorized_app(array):
    m,n,r = array.shape
    return array.reshape(m,2,-1,r).prod(1).sum()

def org_app(array):
    m,n,r = array.shape
    Nt = n
    i = Nt/2
    summed = 0
    for k in xrange(m):
      for j in xrange(Nt-i):
        vec1 = array[k][j]
        vec2 = array[k][j+i]
        summed += np.dot(vec1,vec2)
    return summed

运行时：

In [94]: array = np.random.rand(81,9900,3)

In [95]: org_app(array)
Out[95]: 300450.24128635536

In [96]: vectorized_app(array)
Out[96]: 300450.24128635362

In [97]: %timeit org_app(array)
1 loops, best of 3: 1.29 s per loop

In [98]: %timeit vectorized_app(array)
100 loops, best of 3: 16.1 ms per loop

---

你能把你的数组和两个数组分开，然后再点积它们吗？如果我用两个数组，495000x3和一个3x495000数组，然后用点积，数组将是495000x495000，这会给出“数组太大了。”因为这是24502500000个entries，这不是xrange（Nt-I）中j的

取而代之的是？总有一天我必须学会如何很好地使用einsum。非常感谢。无需转置最后一个数组，这样做可能会导致副本丢失。

[ 2.0480375425  1.89065215839]

m,n,r = array.shape
out = array.reshape(m,2,-1,r).prod(1).sum()

def vectorized_app(array):
    m,n,r = array.shape
    return array.reshape(m,2,-1,r).prod(1).sum()

def org_app(array):
    m,n,r = array.shape
    Nt = n
    i = Nt/2
    summed = 0
    for k in xrange(m):
      for j in xrange(Nt-i):
        vec1 = array[k][j]
        vec2 = array[k][j+i]
        summed += np.dot(vec1,vec2)
    return summed

In [94]: array = np.random.rand(81,9900,3)

In [95]: org_app(array)
Out[95]: 300450.24128635536

In [96]: vectorized_app(array)
Out[96]: 300450.24128635362

In [97]: %timeit org_app(array)
1 loops, best of 3: 1.29 s per loop

In [98]: %timeit vectorized_app(array)
100 loops, best of 3: 16.1 ms per loop