python中使用矢量化替換循環(huán)詳解

更新時間：2023年01月07日 09:10:30 作者：夢回丶故里

矢量化是在數(shù)據(jù)集上實(shí)現(xiàn) (NumPy) 數(shù)組操作的技術(shù)。在后臺，它將操作一次性應(yīng)用于數(shù)組或系列的所有元素（不同于一次操作一行的“for”循環(huán)）。

所有編程語言都離不開循環(huán)。因此，默認(rèn)情況下，只要有重復(fù)操作，我們就會開始執(zhí)行循環(huán)。但是當(dāng)我們處理大量迭代（數(shù)百萬/十億行）時，使用循環(huán)是一種犯罪。您可能會被困幾個小時，后來才意識到它行不通。這就是在 python 中實(shí)現(xiàn)矢量化變得非常關(guān)鍵的地方。

什么是矢量化？

接下來我們使用一些用例來演示什么是矢量化。

求數(shù)字之和

##使用循環(huán)
import time 
start = time.time()

 
# iterative sum
total = 0
# iterating through 1.5 Million numbers
for item in range(0, 1500000):
    total = total + item


print('sum is:' + str(total))
end = time.time()

print(end - start)

#1124999250000
#0.14 Seconds

## 使用矢量化
import numpy as np

start = time.time()

# vectorized sum - using numpy for vectorization
# np.arange create the sequence of numbers from 0 to 1499999
print(np.sum(np.arange(1500000)))

end = time.time()

print(end - start)


##1124999250000
##0.008 Seconds

與使用范圍函數(shù)的迭代相比，矢量化的執(zhí)行時間減少了約 18 倍。在使用 Pandas DataFrame 時，這種差異將變得更加顯著。

數(shù)學(xué)運(yùn)算

在數(shù)據(jù)科學(xué)中，在使用 Pandas DataFrame 時，開發(fā)人員使用循環(huán)通過數(shù)學(xué)運(yùn)算創(chuàng)建新的派生列。

在下面的示例中，我們可以看到對于此類用例，用矢量化替換循環(huán)是多么容易。

DataFrame 是行和列形式的表格數(shù)據(jù)。

我們創(chuàng)建一個具有 500 萬行和 4 列的 pandas DataFrame，其中填充了 0 到 50 之間的隨機(jī)值。

import numpy as np 
import pandas as pd 
df = pd.DataFrame(np.random.randint( 0 , 50 , size=( 5000000 , 4 )), columns=( 'a' , 'b' , 'c' , 'd ' )) 
df.shape 
# (5000000, 5)
 df.head()

創(chuàng)建一個新列“ratio”來查找列“d”和“c”的比率。

## 循環(huán)遍歷
import time 
start = time.time() 

# 使用 iterrows 遍歷 DataFrame 
for idx, row in df.iterrows(): 
    # 創(chuàng)建一個新列
    df.at[idx, 'ratio' ] = 100 * (row[ "d" ] / row[ "c" ])   
end = time.time() 
print (end - start) 
### 109 秒

## 使用矢量化
start = time.time() 
df[ "ratio" ] = 100 * (df[ "d" ] / df[ "c" ]) 

end = time.time() 
print (end - start) 
### 0.12 秒

我們可以看到 DataFrame 的顯著改進(jìn)，與Python 中的循環(huán)相比，矢量化操作所花費(fèi)的時間幾乎快 1000 倍。

If-else 語句

我們實(shí)現(xiàn)了很多需要我們使用“If-else”類型邏輯的操作。我們可以輕松地將這些邏輯替換為 python 中的矢量化操作。

讓我們看下面的例子來更好地理解它（我們將使用我們在用例 2 中創(chuàng)建的 DataFrame）：

想象一下，我們要根據(jù)現(xiàn)有列“a”上的某些條件創(chuàng)建一個新列“e”

## 使用循環(huán)
import time 
start = time.time() 

# 使用 iterrows 遍歷 DataFrame 
for idx, row in df.iterrows(): 
    if row.a == 0 : 
        df.at[idx, 'e' ] = row.d     
    elif ( row.a <= 25 ) & (row.a > 0 ): 
        df.at[idx, 'e' ] = (row.b)-(row.c)     
    else : 
        df.at[idx, 'e' ] = row.b + row.c 

end = time.time() 

print (end - start) 
### 耗時：166 秒

## 矢量化
start = time.time() 
df[ 'e' ] = df[ 'b' ] + df[ 'c' ] 
df.loc[df[ 'a' ] <= 25 , 'e' ] = df [ 'b' ] -df[ 'c' ] 
df.loc[df[ 'a' ]== 0 , 'e' ] = df[ 'd' ]end = time.time()
打?。ńY(jié)束 - 開始）
## 0.29007707595825195 秒

與使用 if-else 語句的 python 循環(huán)相比，向量化操作所花費(fèi)的時間快 600 倍。

解決機(jī)器學(xué)習(xí)/深度學(xué)習(xí)網(wǎng)絡(luò)

深度學(xué)習(xí)要求我們解決多個復(fù)雜的方程式，而且需要解決數(shù)百萬和數(shù)十億行的問題。在 Python 中運(yùn)行循環(huán)來求解這些方程式非常慢，矢量化是最佳解決方案。

例如，計算以下多元線性回歸方程中數(shù)百萬行的 y 值：

我們可以用矢量化代替循環(huán)。

m1、m2、m3……的值是通過使用與 x1、x2、x3……對應(yīng)的數(shù)百萬個值求解上述等式來確定的

import numpy as np 
# 設(shè)置 m 的初始值
m = np.random.rand( 1 , 5 ) 

# 500 萬行的輸入值
x = np.random.rand( 5000000 , 5 )

## 使用循環(huán)
import numpy as np
m = np.random.rand(1,5)
x = np.random.rand(5000000,5)

total = 0
tic = time.process_time()

for i in range(0,5000000):
    total = 0
    for j in range(0,5):
        total = total + x[i][j]*m[0][j] 
        
    zer[i] = total 

toc = time.process_time()
print ("Computation time = "+ str ((toc - tic)) + "seconds" ) 

####計算時間 = 27.02 秒

## 矢量化
tic = time.process_time() 

#dot product
np.dot(x,mT) 

toc = time.process_time() 
print ( "計算時間 = " + str ((toc - tic)) + "seconds" ) 

####計算時間 = 0.107 秒

np.dot 在后端實(shí)現(xiàn)向量化矩陣乘法。與 Python 中的循環(huán)相比，它快 165 倍。