使用NumPy对(N1,N2,k,k)形状矩阵阵列按子矩阵求和(无嵌套循环)
最简实现方案
直接使用np.sum的多轴求和能力即可,全程无Python层循环,完全符合NumPy内置操作要求:
res = np.sum(mult, axis=(2, 3))
- 对应逻辑:输入数组形状为
(N1, N2, k, k),第0、1轴对应子矩阵的网格索引i,j,第2、3轴对应每个k*k子矩阵的内部元素;指定对第2、3轴求和后,这两个轴会被自动消除,输出数组形状自动为(N1, N2),和嵌套循环的计算结果完全一致。 - 效率优势:该操作完全在NumPy的C后端执行,哪怕N1、N2、k数值较大,也远快于手动编写的Python嵌套循环。
示例验证
用你给出的测试代码跑一遍即可验证效果:
你给出的mult形状为(4, 4, 2, 2),执行上述求和后,返回的res形状自动为(4,4),每个位置的值就是对应子矩阵的元素总和。比如示例中每个2x2子矩阵的元素值统一为i*j,求和结果为4*i*j,完全符合预期。
等价可选写法
- 熟悉爱因斯坦求和约定的话,可以用
np.einsum实现完全相同的效果,二者计算效率基本一致:
res = np.einsum('ijkl->ij', mult)
- 如果使用的是非常老旧的、不支持多轴元组参数的NumPy版本,也可以连续两次单轴求和实现等价效果:
res = mult.sum(axis=3).sum(axis=2)
注意:不要只指定单个轴(比如
axis=2或axis=3),那样只会对子矩阵的某一行/某一列求和,无法得到完整的子矩阵元素总和。
内容的提问来源于stack exchange,提问作者Hadar
相关产品推荐
相关产品推荐

