Python 使用访问器减少运行时间

我有以下电话：

def compute_using_AA(self):

    k=0

    while k<self.nobs:
        L = 0
        self.BB.ix[k]=0.0
        while L<self.nobs:
            self.BB.ix[k] = self.BB.ix[k]+self.AA[k,L]*self.detrend.ix[L]
            L+=1
        k+=1

其中：

type(AA)=<type 'numpy.ndarray'>
type(BB) =<class 'pandas.core.series.Series'>

类型（AA）=
类型（BB）=

及

type（detrend）=

---

有没有什么简单易行的建议可以帮助我加快速度？

我看到的最明显的一点是，您应该使用numpy数组操作。在内部循环中进行的计算不依赖于BB的值，它只是一个累加器。因此，您可以在

AA

an

detrend

上执行逐点乘法，对所有内容求和，并存储在BB中。它实际上看起来就像是两个向量的线性乘积，其中第二个向量总是相同的，第一个向量存储在矩阵中。这可以通过以下方式执行：

def compute_using_AA(self):
    self.BB.ix = np.dot(self.AA, self.detrend.ix)

---

这将产生一个与BB.ix大小相同的数组，其元素是detrend在AA中每行的乘积之和。

您能否澄清原始数据和预期输出是什么？我已经添加了一个答案，并表达了我的想法，但正如@Leb所说的，用一些数据完成您的文章，可能是一个最小的运行示例

def compute_using_AA(self):
    self.BB.ix = np.dot(self.AA, self.detrend.ix)