如何在python中使指示器功能更快或更智能？

我试图用python复制一篇ML论文。我需要做的唯一一件事是更好地使用指示器函数，即：给定一组F，特征fi在其中吗？结果应为1或0。我正在使用矩阵700个样本x 8个功能。我想检查功能是否在集合F中。这是我的代码。它起作用了，但速度很慢。 设X为全矩阵，X[：，i]=feat。F可以是空集，也可以包含X的特征

def I (feat,F):

  respuesta=[]
  for i in F:
         respuesta.append(np.all(i==feat))

  if np.any(respuesta)==True:

         result=1
  elif np.any(respuesta)==False:
         result=0
  else:
         raise ValueError('something hapens')

  return(result)

---

第一个明显的优化是避免调用

np.any（respuesta）

两次。。。这：

if np.any(respuesta)==True:
   result=1
elif np.any(respuesta)==False:
   result=0
return result

可以用

return np.any(respuesta)

但即使这样，也需要构建整个

respuesta

列表，因为一个有效的结果就足够了。因此，您可以在第一个有效结果上返回True：

def I (feat,F):
  for i in F:
     if np.all(i==feat):
         return True
  return False

---

也许有更好的解决方案，但如果不知道

F

，

i

和

feat

到底是什么，就很难说清楚。

F是一个列表（从数学上说是一个集合），i是集合中的特征i，feat是特征。这并不能解释什么是“特征”。一个来自某个ML模型的特征向量，比如你所在城市的房价。