Python numpy中更快的histogram2d计算

我有一个计算联合分布熵的代码，我正在使用histogram2d计算大小为20000 x 300的矩阵（以及如此大的数据集）所有列的**成对**联合熵，即n*n-1/2计算

大部分时间用于计算关节计数。简单的cProfiling显示了以下代价高昂的功能：

   histogram2d ->  histogramdd -> atleast_2d -> asarray -> numpy.core.multiarray.array
       87%            85%     |       40%          38%             39%
                              |-->  digitize
                                      10 %

我认为np.Digitalize是做大部分计数工作的那个。但似乎很多时间都被其他函数占用了，比如asarray！有人能指出如何以更简单的方式使这些计算更快吗！（也就是说，显然没有指示我用C/C++编写直方图函数）

提前谢谢。这个问题与我之前发布的MI计算相关：

---

这只是猜测，但您的输入似乎不是histogram2d所期望的格式，因此需要进行转换才能使用。如果您查看调用

中的源代码，至少\u 2d

作为副本发生，除非它与预期的形状不匹配。谢谢@Hooked。。我去看看。因为它只传递向量和矩阵。我可以做些什么来确保数据类型？我们帮助您的最好方法是发布一个显示您的问题的最小工作示例。如果它是一个数据类型问题，我们无法用这里给出的信息来诊断它。谢谢@Hooked。我在这里发布了一条：