如何将循环转换为Numpy单操作以提升计算速度？

嘿，这个问题很典型——用NumPy的广播机制就能完美解决，还能彻底去掉Python循环，大幅提升运算速度！

直接上核心代码：

import numpy as np

# 假设你的sequences和matrix已经按给定维度定义完成
multiplications = sequences[:, np.newaxis, :] * matrix[np.newaxis, :, :]

原理拆解 #

这个方法的核心是利用NumPy的广播特性，让数组自动扩展维度完成批量运算（底层是C实现的向量运算，比Python循环快得多）：

• 对sequences做维度扩展：sequences[:, np.newaxis, :]会把原本(1884, 12)的数组变成(1884, 1, 12)，新增的中间维度用来对应每个sequence要和matrix的2207行逐一运算。
• 对matrix做维度扩展：matrix[np.newaxis, :, :]会把原本(2207, 12)的数组变成(1, 2207, 12)，新增的第一个维度用来匹配sequences的1884个样本。

当两个扩展后的数组相乘时，NumPy会自动把它们广播到相同的(1884, 2207, 12)维度，然后逐元素相乘，正好得到你需要的3D数组——每个multiplications[i]就等价于原循环里的np.multiply(sequences[i], matrix)。

验证结果 #

你可以用下面的代码验证结果和原循环完全一致：

# 取第一个元素对比，确认运算结果正确
assert np.array_equal(multiplications[0], np.multiply(sequences[0], matrix))

内容的提问来源于stack exchange，提问作者John Bott