如何对NumPy数组q的所有列执行指定计算并保存结果？

解决方案 #

你可以利用NumPy的向量化操作高效完成批量计算，避免手动循环，具体步骤如下：

1. 批量计算点积：将q转置后与u做矩阵乘法，一次性得到所有q列与u的点积结果。此时q.T形状为(100, 2)，u形状为(2, 300)，相乘后得到(100, 300)的数组，每一行对应q的一列与u的点积。
2. 按行计算分位数：使用np.quantile并指定axis=1，对每一行（即每个q列对应的点积数组）分别计算0.01和0.99分位数。
3. 计算差值并保存结果：将两个分位数数组相减，得到最终的结果数组。

另外注意：你原代码中的np.max是多余的——当np.quantile传入单个分位数数值时，返回的是标量，np.max对单个标量没有意义，可以直接去掉。

完整代码示例：

import numpy as np

# 生成数据
n = 300
u1 = np.random.uniform(0.5, 4.5, size=n)
u2 = 2 / u1 + np.random.normal(scale=0.09, size=n)
u = np.array([u1, u2])

d = np.random.uniform(0.0, np.pi, size=100)
q = np.array([np.cos(d), np.sin(d)])

# 批量计算
dot_products = q.T @ u  # 形状(100, 300)
q01 = np.quantile(dot_products, 0.01, axis=1)
q99 = np.quantile(dot_products, 0.99, axis=1)
result = q01 - q99

# 查看结果形状（应为(100,)）
print(result.shape)

如果你偏好使用循环（虽然效率不如向量化），也可以这样实现：

result = np.empty(100)
for i in range(100):
    dot = np.dot(q[:, i], u)
    q01 = np.quantile(dot, 0.01)
    q99 = np.quantile(dot, 0.99)
    result[i] = q01 - q99

但优先推荐向量化方式，尤其是数据量较大时，性能优势明显。

内容的提问来源于stack exchange，提问作者Mahtab