对NumPy中的二维数组进行逐元素相乘并求和

Question

我想知道是否有更快捷的方法/专门的NumPy函数来执行二维NumPy数组的逐元素乘法，然后对所有元素求和。 我目前使用np.sum(np.multiply(A, B))，其中A、B是等维度的NumPy数组，维度为m×n。

- Viswanath

Answer 1

您可以使用np.tensordot -

np.tensordot(A,B, axes=((0,1),(0,1)))

在将输入数据展平后，使用 np.dot 的另一种方法：

A.ravel().dot(B.ravel())

使用np.einsum的另一种方法 -

np.einsum('ij,ij',A,B)

示例运行 -

In [14]: m,n = 4,5

In [15]: A = np.random.rand(m,n)

In [16]: B = np.random.rand(m,n)

In [17]: np.sum(np.multiply(A, B))
Out[17]: 5.1783176986341335

In [18]: np.tensordot(A,B, axes=((0,1),(0,1)))
Out[18]: array(5.1783176986341335)

In [22]: A.ravel().dot(B.ravel())
Out[22]: 5.1783176986341335

In [21]: np.einsum('ij,ij',A,B)
Out[21]: 5.1783176986341326

运行时测试

In [23]: m,n = 5000,5000

In [24]: A = np.random.rand(m,n)
    ...: B = np.random.rand(m,n)
    ...: 

In [25]: %timeit np.sum(np.multiply(A, B))
    ...: %timeit np.tensordot(A,B, axes=((0,1),(0,1)))
    ...: %timeit A.ravel().dot(B.ravel())
    ...: %timeit np.einsum('ij,ij',A,B)
    ...: 
10 loops, best of 3: 52.2 ms per loop
100 loops, best of 3: 19.5 ms per loop
100 loops, best of 3: 19.5 ms per loop
100 loops, best of 3: 19 ms per loop

- Divakar

---

感谢分析。在我的应用程序中，使用45x45数组时，我发现ravel().dot()选项速度显著更快。 - Vik