Python中计算向量的最快方法

我有以下内容（使用Python的熊猫）：

y:n乘以1数据帧

x:n×k数据帧

θ：k乘以1数据帧

上述数据帧中的每个元素都包含一个实数

我需要一个数据帧w，其中w=y'x（'表示转置），但w只包含y按元素乘以（x*theta）小于1的观测值。换句话说，w的维数最多为n×k，如果有一些观测值不符合标准，则行数将减少

---

获取w的最快方法是什么（时间方面）？

使用

.values

访问底层numpy数组

Y = y.values
X = x.values
Th = theta.values

W = Y.T.dot(X)

mask = Y * X.dot(Th) < 1

w = pd.DataFrame(W[mask], y.index[mask])

Y=Y.value
X=X.0个值
Th=θ值
W=Y.T.点（X）
遮罩=Y*X点（Th）<1
w=pd.DataFrame（w[mask]，y.index[mask]）

是否有理由必须使用pandas数据帧而不是np.matrix执行此操作？因为我用pandas.read\u csv加载了它。实际上我想问的是，使用np.matrix或pandas数据帧会更快吗？在大多数情况下是的。我目前想不出任何边缘案例的答案是否定的，但可能有一两个。您可以使用np.loadtxt加载输入，然后将np.ndarray转换为np.matrix，或者将df.values转换为np.matrix。