[英]Numpy - How pass from 3d matrix in 2d with this algorithm
我需要一個更高效的代碼,即我在下面實現的代碼。 是否有可能有一個更有效的代碼,也使用 numpy?
我將解釋我的算法及其工作原理。 考慮下圖,我有一個矩陣,里面包含 10000 個矩陣,里面的每個矩陣都有一個維度 100x100。
我的 output 應該是一個 100x100 的矩陣,如下所示:
因此,我的“輸出” V[f(a_1,b_1)]的第一個元素是 10000 個矩陣中包含的所有f(a_1,b_1)元素的方差。 因此,我需要計算具有相同索引的元素的方差。
下面是使用的代碼,它應該是正確的(我希望..)。 是否有可能有更高效的代碼? (為簡單起見,我用隨機數模擬輸入,因為矩陣太大而無法在此處發布)
import numpy as np
input = np.random.randint(0, 100, size=(10000, 100, 100))
output = []
for n in range(100):
row = []
for i in range(100):
row2 = []
for m in range(10000):
P_mi_sigmai = input[m][n][i]
row2.append(P_mi_sigmai)
variance = np.var(row2)
row.append(variance)
output.append(row)
print(np.array(output).shape)
這是我會怎么做:
output = input.var(axis = 0)
這是一個最小的代表:
import numpy as np
arr = np.random.rand(5, 2, 2)
arr[:, 0, 0] = 1
var_arr = arr.var(0)
print(f'arr = \n{arr}')
print(f'var_arr = \n{var_arr}')
output:
arr =
[[[1. 0.13682225]
[0.24076008 0.61107865]]
[[1. 0.99948733]
[0.61871626 0.64518322]]
[[1. 0.7979549 ]
[0.53991881 0.17229415]]
[[1. 0.13547922]
[0.97390205 0.50778721]]
[[1. 0.74116566]
[0.05428085 0.86287107]]]
var_arr =
[[0. 0.12837323]
[0.10101842 0.05092759]]
我不會在這里展示它,但使用你的代碼我得到相同的結果
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.