沿numpy數組中的維度回歸

Question

我有一個4維的numpy數組（x，y，z，時間），並希望在每個x，y，z坐標的時間維度上做一個numpy.polyfit 。 例如：

import numpy as np
n = 10       # size of my x,y,z dimensions
degree = 2   # degree of my polyfit
time_len = 5 # number of time samples

# Make some data
A = np.random.rand(n*n*n*time_len).reshape(n,n,n,time_len)

# An x vector to regress through evenly spaced samples
X = np.arange( time_len )

# A placeholder for the regressions
regressions = np.zeros(n*n*n*(degree+1)).reshape(n,n,n,degree+1)

# Loop over each index in the array (slow!)
for row in range(A.shape[0] ) :
    for col in range(A.shape[1] ) :
        for slice in range(A.shape[2] ):
            fit = np.polyfit( X, A[row,col,slice,:], degree )
            regressions[row,col,slice] = fit

我想進入regressions數組，而不必經歷所有的循環。 這可能嗎？

Answer 1

重塑數據，使每個切片位於2d數組的列上。 然后運行一次polyfit。

A2 = A.reshape(time_len, -1)
regressions = np.polyfit(X, A2, degree)
regressions = regressions.reshape(A.shape)

或類似的東西...我真的不明白你的數據集中所有尺寸對應的東西，所以我不確定你想要的形狀。 但重點是， polyfit每個單獨數據集應占據矩陣A2中的一列。

順便說一句，如果您對性能感興趣，那么您應該使用配置文件模塊或類似的東西來分析您的代碼。 一般來說，您無法始終通過觀察代碼來預測代碼的運行速度。 你必須運行它。 雖然在這種情況下刪除循環也會使您的代碼100x更具可讀性，這一點更為重要。