(Python)如何获得对角线(A*B),而不必执行A*B?
假设我们有两个矩阵(Python)如何获得对角线(A*B),而不必执行A*B?,python,numpy,matrix,Python,Numpy,Matrix,假设我们有两个矩阵A和B,让矩阵C成为A*B(矩阵乘法不是元素)。我们只希望获得C的对角线条目,这可以通过np.diagonal(C)完成。但是,这会导致不必要的时间开销,因为我们将A与B相乘,即使我们只需要将A中的每一行与B中具有相同“id”的列相乘,即A的第1行与B的第1列相乘,A的第2行和B的第2列依此类推:构成C对角线的乘法。有没有一种方法可以使用Numpy有效地实现这一点?我希望避免使用循环来控制哪一行与哪一列相乘,相反,我希望使用一个内置的numpy方法来执行此类操作以优化性能 提前
A
和B
,让矩阵C
成为A*B
(矩阵乘法不是元素)。我们只希望获得C
的对角线条目,这可以通过np.diagonal(C)
完成。但是,这会导致不必要的时间开销,因为我们将A与B相乘,即使我们只需要将A
中的每一行与B
中具有相同“id”的列相乘,即A
的第1行与B
的第1列相乘,A
的第2行和B
的第2列依此类推:构成C
对角线的乘法。有没有一种方法可以使用Numpy有效地实现这一点?我希望避免使用循环来控制哪一行与哪一列相乘,相反,我希望使用一个内置的numpy方法来执行此类操作以优化性能
提前谢谢
def diag(A,B):
diags = []
for x in range(len(A)):
diags.append(A[x][x] * B[x][x])
return diags
我相信上面的代码就是您正在寻找的。我可能会在这里使用
einsum
:
>>> a = np.random.randint(0, 10, (3,3))
>>> b = np.random.randint(0, 10, (3,3))
>>> a
array([[9, 2, 8],
[5, 4, 0],
[8, 0, 6]])
>>> b
array([[5, 5, 0],
[3, 5, 5],
[9, 4, 3]])
>>> a.dot(b)
array([[123, 87, 34],
[ 37, 45, 20],
[ 94, 64, 18]])
>>> np.diagonal(a.dot(b))
array([123, 45, 18])
>>> np.einsum('ij,ji->i', a,b)
array([123, 45, 18])
对于较大的数组,它将比直接执行乘法快得多:
>>> a = np.random.randint(0, 10, (1000,1000))
>>> b = np.random.randint(0, 10, (1000,1000))
>>> %timeit np.diagonal(a.dot(b))
1 loops, best of 3: 7.04 s per loop
>>> %timeit np.einsum('ij,ji->i', a, b)
100 loops, best of 3: 7.49 ms per loop
[注:最初我做的是元素式版本,
ii,ii->I
,而不是矩阵乘法。同样的einsum
技巧也能奏效。]请大家注意:a*B
在NumPy中是元素式乘法,而不是矩阵乘法(即a.dot(B)
).是ndarray
或matrix
类型的A
和B
吗?@Blair,如果A
和B
是numpy.array
,情况就是这样。如果它们是numpy.matrix
,则可以使用A*B
@gnibbler D'oh。我习惯于忘记numpy。矩阵的存在是因为我习惯于处理三维数据。谢谢你指出这一点。@Bitwise、A
和B
都是矩阵,很抱歉没有澄清这不是如何工作的。对不起。我不知道你指的是标量积还是矩阵积。