Python 给定索引列表的数组上的部分和

我有一个2D矩阵，我需要求矩阵元素的一个子集的和，给定两个索引列表

imp\u list

和

bath\u list

。以下是我现在正在做的事情：

s = 0.0
for i in imp_list:
    for j in bath_list:
        s += K[i,j]

---

看起来很慢。执行求和的更好解决方案是什么？

如果您使用的是大型数组，那么与Python的

for

循环相比，使用NumPy自己的索引例程应该可以大大提高速度

在一般情况下，您可以使用

np.ix

选择要求和的矩阵子数组：

K[np.ix_(imp_list, bath_list)].sum()

请注意，

np.ix

会带来一些开销，因此，如果两个列表包含连续或等距的值，则值得使用常规切片来索引数组（请参见下面的

method3（）

）

以下是一些数据来说明改进：

K = np.arange(1000000).reshape(1000, 1000)
imp_list = range(100)  # [0, 1, 2, ..., 99]
bath_list = range(200) # [0, 1, 2, ..., 199]

def method1():
    s = 0
    for i in imp_list:
        for j in bath_list:
            s += K[i,j]
    return s

def method2():
    return K[np.ix_(imp_list, bath_list)].sum()

def method3():
    return K[:100, :200].sum()

然后：

---

它很慢，因为它是一个n^2算法。事实就是这样。你必须以这样或那样的方式访问所有这些位置。imp_列表有多大，bath_列表有多大？在这里使用numpy非常有用。这是链接谢谢，完全符合我的需要，它节省了我很多时间，我还可以在其他函数中重复使用你的方法。

In [80]: method1() == method2() == method3()
Out[80]: True

In [91]: %timeit method1()
10 loops, best of 3: 9.93 ms per loop

In [92]: %timeit method2()
1000 loops, best of 3: 884 µs per loop

In [93]: %timeit method3()
10000 loops, best of 3: 34 µs per loop