Python中尺度矩阵（协方差矩阵）的高效计算

下面的函数计算多变量时间序列的时间间隔

（t0，t1）

的尺度矩阵（协方差矩阵）。我想重写这个函数，这样它就不需要列表或for循环了。是否有一种方法可以仅使用numpy数组操作执行以下操作？似乎我需要一个版本的

numpy.outer

，它接受2d数组作为输入，然后沿着指定的轴获取外部产品。但我在numpy中找不到这样的函数

import numpy as np

def scale_matrix(multivariate_time_series, t0=0, t1=0):
    # multivariate_time_series is a 2d array.
    if t1==0:
        t1 = len(multivariate_time_series)
    a = np.mean([np.outer(multivariate_time_series[t,:],multivariate_time_series[t,:])
                 for t in range(t0,t1)], axis=0)
    return a

---

您可以使用矩阵乘法或

einsum

：

>>> data = np.random.random((20, 5))
>>> t0 = t1 = 0
>>> data_r = data[t0:t1 or len(data)]
>>> 
>>> data_r.T@data_r/data_r.shape[0]
array([[0.31445868, 0.15057765, 0.25087819, 0.26003647, 0.24403643],
       [0.15057765, 0.32387482, 0.25741824, 0.27916451, 0.26457779],
       [0.25087819, 0.25741824, 0.38244811, 0.31093482, 0.30124948],
       [0.26003647, 0.27916451, 0.31093482, 0.39589237, 0.30220028],
       [0.24403643, 0.26457779, 0.30124948, 0.30220028, 0.3548833 ]])
>>> 
>>> np.einsum('ij,ik->jk', data_r, data_r)/data_r.shape[0]
array([[0.31445868, 0.15057765, 0.25087819, 0.26003647, 0.24403643],
       [0.15057765, 0.32387482, 0.25741824, 0.27916451, 0.26457779],
       [0.25087819, 0.25741824, 0.38244811, 0.31093482, 0.30124948],
       [0.26003647, 0.27916451, 0.31093482, 0.39589237, 0.30220028],
       [0.24403643, 0.26457779, 0.30124948, 0.30220028, 0.3548833 ]])
>>> 
>>> scale_matrix(data, t0, t1)
array([[0.31445868, 0.15057765, 0.25087819, 0.26003647, 0.24403643],
       [0.15057765, 0.32387482, 0.25741824, 0.27916451, 0.26457779],
       [0.25087819, 0.25741824, 0.38244811, 0.31093482, 0.30124948],
       [0.26003647, 0.27916451, 0.31093482, 0.39589237, 0.30220028],
       [0.24403643, 0.26457779, 0.30124948, 0.30220028, 0.3548833 ]])

---

非常感谢！我将使用

np.einsum（）

，因为它似乎比其他选项更快。对于

data=np.random.random（（50000100））

，

scale\u matrix

需要23秒，

np.matmul（）

需要0.3秒，

np.einsum（）

需要0.1秒。