从Numpy ndarray中提取给定行和列的最快方法是什么？

Question

我有一个大的（大约14,000 x 14,000）方阵，表示为Numpy ndarray 。 我希望提取大量的行和列 - 我事先知道的索引，尽管它实际上是所有行和列都不是全零 - 以获得一个新的方阵（大约10,000 x 10,000）。

我发现这样做的最快方法是：

> timeit A[np.ix_(indices, indices)]
1 loops, best of 3: 6.19 s per loop

但是，这比进行矩阵乘法所需的时间要慢得多：

> timeit np.multiply(A, A)
1 loops, best of 3: 982 ms per loop

这看起来很奇怪，因为行/列提取和矩阵乘法都需要分配一个新数组（矩阵乘法的结果比提取的结果更大），但矩阵乘法也需要执行额外的计算。

因此，问题是：是否有更有效的方法来执行提取，特别是至少与矩阵乘法一样快？

Answer 1

如果我试图重现你的问题，我看不到这么大的影响。 我注意到，根据您选择的索引数量，索引甚至可以比乘法更快。

>>> import numpy as np
>>> np.__version__
Out[1]: '1.9.0'
>>> N = 14000
>>> A = np.random.random(size=[N, N])

>>> indices = np.sort(np.random.choice(np.arange(N), 0.9*N, replace=False))
>>> timeit A[np.ix_(indices, indices)]
1 loops, best of 3: 1.02 s per loop
>>> timeit A.take(indices, axis=0).take(indices, axis=1)
1 loops, best of 3: 1.37 s per loop
>>> timeit np.multiply(A,A)
1 loops, best of 3: 748 ms per loop

>>> indices = np.sort(np.random.choice(np.arange(N), 0.7*N, replace=False))
>>> timeit A[np.ix_(indices, indices)]
1 loops, best of 3: 633 ms per loop
>>> timeit A.take(indices, axis=0).take(indices, axis=1)
1 loops, best of 3: 946 ms per loop
>>> timeit np.multiply(A,A)
1 loops, best of 3: 728 ms per loop