NumPyで各行と列に沿って独自の関数を適用する方法

Question

NumPyを使用してデータを行列に格納しています。 以下のPythonコードのパフォーマンスが向上するように苦労しています。 RESULTはデータを格納したいデータストアです。

TMP = np.array([[1,1,0],[0,0,1],[1,0,0],[0,1,1]]) 
n_row, n_col = TMP.shape[0], TMP.shape[0] 
RESULT = np.zeros((n_row, n_col)) 

def do_something(array1, array2): 
    intersect_num = np.bitwise_and(array1, array2).sum() 
    union_num = np.bitwise_or(array1, array2).sum() 
    try: 
     return intersect_num/float(union_num) 
    except ZeroDivisionError: 
     return 0 

for i in range(n_row): 
    for j in range(n_col): 
    if i >= j: 
     continue 
    RESULT[i, j] = do_something(TMP[i], TMP[j]) 

私は、forループの代わりに、いくつかのnumpyの組み込み関数を使用することができれば、それははるかに高速になると思います。

私はここでさまざまな質問をしていましたが、自分の問題に最も適したものを見つけることができませんでした。 提案がありますか？前もって感謝します！あなたはベクトル化ソリューションとして、このような何かを行うことができ

Answer 1

アプローチ＃1

- TMPは1sと0sを保持していると例については

# Store number of rows in TMP as a paramter 
N = TMP.shape[0] 

# Get the indices that would be used as row indices to select rows off TMP and 
# also as row,column indices for setting output array. These basically correspond 
# to the iterators involved in the loopy implementation 
R,C = np.triu_indices(N,1)  

# Calculate intersect_num, union_num and division results across all iterations 
I = np.bitwise_and(TMP[R],TMP[C]).sum(-1) 
U = np.bitwise_or(TMP[R],TMP[C]).sum(-1) 
vals = np.true_divide(I,U) 

# Setup output array and assign vals into it 
out = np.zeros((N, N)) 
out[R,C] = vals 

アプローチ＃2

、それらnp.bitwise_andとnp.bitwise_orは交換可能ですより速い選択肢になる可能性があります。したがって、これらの実装では、このような実装が可能です。

M = TMP.shape[1] 
I = TMP.dot(TMP.T) 
TMP_inv = 1-TMP 
U = M - TMP_inv.dot(TMP_inv.T) 
out = np.triu(np.true_divide(I,U),1)