如何在不使用循環的情況下從四個不同長度的 arrays 創建 np.ndarray？

Question

我有 5 個 arrays，我需要創建兩個大的 arrays 形狀 ((1000,5000)) 用於回歸分析。 我目前正在使用以下代碼。

# data shapes are as follows
bbeta.shape = ((5000,2))
rand1.shape = ((1000))
rand2.shape = ((1000))
rand3.shape = ((1000))
depths.shape = ((1000))

# creating x and y for regression
for i in np.arange(0,1000,1):
    for j in np.arange(0,5000,1):
        y[i,j] = np.log((rand1[i] * (depths[i]/3500)**bbeta[j,0]))
        x[i,j] = np.log(rand2[i] + (bbeta[j,1] * rand3[i]))

這段代碼需要大約 30 秒才能運行，我猜這很好，但我需要運行 1000 多次才能找到引導程序標准錯誤，這意味着我的代碼目前需要超過 8 小時。 我已經顯着減少了創建數據集的數量（來自 bbeta.shape = ((17801,2)），但這還不夠。

If I can stick with numpy, or at least if it's faster to convert from and back to numpy, as the rest of my code is written using numpy.

我想知道是否有人知道一種方法可以做與上述相同但更快的事情，因為我知道循環的計算效率不高。 我查看了stackoverflow，但找不到任何人回答這個問題（至少以我可以識別的方式幫助我）。

抱歉，如果有任何不清楚的地方 - 我有閱讀障礙，並且對 python 很陌生。 任何人都可以給我的任何幫助將不勝感激

Answer 1

您可以利用廣播並執行以下操作：

y2 = np.power((depths / 3500)[:, np.newaxis], bbeta[:, 0])
y2 = np.log(rand1[:, np.newaxis] * y2)

x2 = bbeta[:, 1] * rand3[:, np.newaxis]
x2 = np.log(rand2[:, np.newaxis] + x2)

print(np.allclose(y, y2))
print(np.allclose(x, x2))

Output

True
True

使用以下代碼生成測試數據：

bbeta = np.random.random((5000, 2))
rand1 = np.random.random((1000))
rand2 = np.random.random((1000))
rand3 = np.random.random((1000))
depths = np.random.random((1000))