Python 使用numpy布尔索引操作2D矩阵需要很长时间

我生成了大量随机数据，如下所示：

ndata = np.random.binomial(1, 0.25, (100000, 1000))

这是一个100000乘1000的矩阵（！）

我正在生成一个新的矩阵，其中对于每一行，每一列都是真的，如果所有列的平均值（减去贝努利RV的期望值，p=0.25）大于等于某个ε

像这样：

def true_false_inequality(data, eps, data_len):
    return [abs(np.mean(data[:index + 1]) - 0.25) >= eps for index in range(data_len)]

这样做之后，我将生成一个1-d数组（最后！），其中每个列表示我在矩阵中的同一列中有多少个真值，然后我将每个列除以某个数字（exp_numer=100000）

另外，我有5个不同的ε，我从中迭代得到最终结果5次。 （ε=[0.001,0.1,0.5,0.25,0.025]）

我的代码确实有效，但对于100000行乘1000列来说需要很长时间，我知道我可以通过稍微扩展numpy功能来加快速度，但我不知道如何操作。

你可以通过以下方法计算累积平均值：

np.cumsum(ndata, axis=0).sum(axis=1) / np.arange(1, 100001)

因此，我们可以优化

true\u false\u不等式

：

def true_false_inequality(data, eps, data_len):
    cummean = np.cumsum(ndata, axis=0).sum(axis=1) / np.arange(1, data_len)
    return abs(cummean - 0.25) >= eps

或者像@a_guest建议的那样，我们可以先对元素进行求和，然后计算累积和：

def true_false_inequality(data, eps, data_len):
    cummean = ndata.sum(axis=1).cumsum(axis=0) / np.arange(1, 100001)
    return abs(cummean - 0.25) >= eps

---

您可以在完整数据数组上使用矢量化操作执行整个计算：

mean = np.cumsum(data, axis=1) / np.arange(1, data.shape[1]+1)
condition = np.abs(mean - 0.25) >= eps
percentage = condition.sum(axis=0) / len(data)

---

看起来你是在用一个累加的平均值工作，对吗？@WillemVanOnsem true，但我想如果你暗示我应该这样做，那么使用np.mean（）将等同于我自己这么做（？）如果您首先沿

轴=1求和，然后计算
求和
，这将更加优化，因为这样可以通过列计数减少所需的加法数量，并且类似地，从
求和
出来的临时数组所需的内存。但是在真-假不等式中，我计算单行的平均值！请注意，您访问了ndata，但该函数仅从大矩阵中的一行中获取数据参数。它不起作用，data.shape将始终为1，1000（在true_false_不等式函数中），请注意，我指定了每一行，如果之前所有列的平均值都是正确的，那么每个相应的列都是正确的。@MercyDude我误解了你的问题，请看我的更新答案，现在应该可以解决这个问题了。
mean = np.cumsum(data, axis=1) / np.arange(1, data.shape[1]+1)
condition = np.abs(mean - 0.25) >= eps
percentage = condition.sum(axis=0) / len(data)