Эффективный стандартный базовый вектор с numpy

Ответ 1

Это может быть не самый быстрый, но метод scipy.signal.unit_impulse обобщает приведенную выше концепцию на массивы numpy любой формы.

Ответ 2

In [2]: import numpy as np

In [9]: size = 5

In [10]: index = 2

In [11]: np.eye(1,size,index)
Out[11]: array([[ 0.,  0.,  1.,  0.,  0.]])

Hm, к сожалению, использование np.eye для этого довольно медленное:

In [12]: %timeit np.eye(1,size,index)
100000 loops, best of 3: 7.68 us per loop

In [13]: %timeit a = np.zeros(size); a[index] = 1.0
1000000 loops, best of 3: 1.53 us per loop

Обтекание np.zeros(size); a[index] = 1.0 в функции делает только небольшую разницу и все еще намного быстрее, чем np.eye:

In [24]: def f(size, index):
   ....:     arr = np.zeros(size)
   ....:     arr[index] = 1.0
   ....:     return arr
   ....: 

In [27]: %timeit f(size, index)
1000000 loops, best of 3: 1.79 us per loop

Ответ 3

x = np.zeros(size)
x[index] = 1.0

По крайней мере, я думаю, что это...

>>> t = timeit.Timer('np.array([1.0 if i == index else 0.0 for i in range(size)]
)','import numpy as np;size=10000;index=5123')
>>> t.timeit(10)
0.039461429317952934  #original method
>>> t = timeit.Timer('x=np.zeros(size);x[index]=1.0','import numpy as np;size=10000;index=5123')
>>> t.timeit(10)
9.4077963240124518e-05 #zeros method
>>> t = timeit.Timer('x=np.eye(1.0,size,index)','import numpy as np;size=10000;index=5123')
>>> t.timeit(10)
0.0001398340635319073 #eye method

выглядит как np.zeros быстрее всего...

Ответ 4

Я не уверен, что это быстрее, но это определенно более ясно для меня.

a = np.zeros(size)
a[index] = 1.0

Ответ 5

Часто вам не нужен один, а все базовые векторы. Если это так, рассмотрим np.eye:

basis = np.eye(3)
for vector in basis:
  ...

Не совсем то же самое, но тесно связано: это даже работает, чтобы получить набор базовых матриц с небольшим количеством трюков:

>>> d, e = 2, 3    # want 2x3 matrices
>>> basis = np.eye(d*e,d*e).reshape((d*e,d,e))
>>> print(basis)
[[[ 1.  0.  0.]
  [ 0.  0.  0.]]

 [[ 0.  1.  0.]
  [ 0.  0.  0.]]

 [[ 0.  0.  1.]
  [ 0.  0.  0.]]

 [[ 0.  0.  0.]
  [ 1.  0.  0.]]

 [[ 0.  0.  0.]
  [ 0.  1.  0.]]

 [[ 0.  0.  0.]
  [ 0.  0.  1.]]]

и т.д.