成分方差的向量化计算

【问题标题】：Vectorized Computation of Compositional Variance成分方差的向量化计算
【发布时间】：2015-10-17 22:16:47
【问题描述】：

给定一个带有 x_{i, j} 项的 n X m 矩阵，compositional variance 是一个 m X m 矩阵，其中 i, j 条目包括表达式

∑_{k = 1}ⁿ [ ln²(x_{k, i} / xk, j)]

（它包括其他容易计算的表达式）。

这在循环中很容易计算，但是如何使用向量化计算呢？

这是糟糕的循环代码：

x = np.array([[1, 2, 3], [4, 5, 6]], dtype=float)

v = np.zeros((3, 3))

for i in range(3):
    for j in range(3):
        for k in range(2):
            v[i, j] += np.log(x[k, i] / x[k, j])**2

【问题讨论】：

标签： python numpy statistics vectorization

【解决方案1】：

假设您在 NumPy 术语中表示类似 (np.log(x[k, i] / x[k, j])**2) 的意思，将 k = 1:n 相加，则可以建议使用 broadcasting 一种矢量化方法 -

((np.log(x[:,:,None]/x[:,None])**2)).sum(0)

【讨论】：

谢谢。你写的广播很有趣，我会研究一下，但我不同意关于意图的假设：我的意思是对数平方。
:-) IDK，但是，因为我还不明白你做了什么。非常感谢您的回答。我当然想试试。赞赏！
@AmiTavory 我猜你可以添加在问题中使用的循环代码？这可以用于验证:)
这是一个很好的建议，Divakar - 我会尽快完成（现在不能）。