Норма массивов векторов в питоне

У меня есть этот массив

   A = array([[-0.49740509, -0.48618909, -0.49145315],
   [-0.48959259, -0.48618909, -0.49145315],
   [-0.49740509, -0.47837659, -0.49145315],
   ..., 
   [ 0.03079315, -0.01194593, -0.06872366],
   [ 0.03054901, -0.01170179, -0.06872366],
   [ 0.03079315, -0.01170179, -0.06872366]])

который представляет собой коллекцию трехмерного вектора. Мне было интересно, могу ли я использовать векторную операцию, чтобы получить массив с нормой каждого из моих векторов.

Я пробовал с norm(A) но это не сработало.

Источник

3 ответа

Решение

Выполнение этого вручную может быть самым быстрым (хотя всегда есть какой-то изящный прием, о котором я не думаю):

In [75]: from numpy import random, array

In [76]: from numpy.linalg import norm

In [77]: 

In [77]: A = random.rand(1000,3)

In [78]: timeit normedA_0 = array([norm(v) for v in A])
100 loops, best of 3: 16.5 ms per loop

In [79]: timeit normedA_1 = array(map(norm, A))
100 loops, best of 3: 16.9 ms per loop

In [80]: timeit normedA_2 = map(norm, A)
100 loops, best of 3: 16.7 ms per loop

In [81]: timeit normedA_4 = (A*A).sum(axis=1)**0.5
10000 loops, best of 3: 46.2 us per loop

Это предполагает, что все реально. Можно вместо этого умножить на сопряженное, если это не так.

Обновление: предложение Эрика об использовании math.sqrt не будет работать - он не работает с массивами - но идея использовать sqrt вместо **0.5 хороший, так что давайте проверим это.

In [114]: timeit normedA_4 = (A*A).sum(axis=1)**0.5
10000 loops, best of 3: 46.2 us per loop

In [115]: from numpy import sqrt

In [116]: timeit normedA_4 = sqrt((A*A).sum(axis=1))
10000 loops, best of 3: 45.8 us per loop

Я пробовал это несколько раз, и это была самая большая разница, которую я видел.

Источник

Просто возникла такая же проблема, возможно, поздно ответить, но это должно помочь другим. Вы можете использовать аргумент оси в функции нормы

norm(A, axis=1)
Источник

Я никогда не использовал NumPy, чтобы догадаться:

normedA = array(norm(v) for v in A)
Источник

Как насчет этого метода? Также вы можете захотеть добавить тег [numpy] к сообщению.

Источник
Другие вопросы по тегам