我有一个动态规划算法(修改的 Needleman-Wunsch)，它需要两次相同的基本计算，但第二次计算是在正交方向上完成的。例如，从矩阵 scoreMatrix 中的给定单元格 (i,j)，我想从 (i,j) 的“向上”值计算值，以及从值到 (i,j) 的值计算值,j)。为了重用代码，我使用了一个函数，在第一种情况下，我发送参数 i,j,scoreMatrix，在下一种情况下，我发送参数 j,i,scoreMatrix.transpose()。这是该代码的高度简化版本:
def calculateGapCost(i,j,scoreMatrix,gapcost):
return scoreMatrix[i-1,j] - gapcost
...
gapLeft = calculateGapCost(i,j,scoreMatrix,gapcost)
gapUp = calculateGapCost(j,i,scoreMatrix.transpose(),gapcost)
...
我意识到我可以选择发送一个函数，该函数在一种情况下在从 scoreMatrix 检索值时传递参数 (i,j)，而在另一种情况下将它们反转为 (j,i)，而不是转置矩阵每一次。
def passThrough(i,j,matrix):
return matrix[i,j]
def flipIndices(i,j,matrix):
return matrix[j,i]
def calculateGapCost(i,j,scoreMatrix,gapcost,retrieveValue):
return retrieveValue(i-1,j,scoreMatrix) - gapcost
...
gapLeft = calculateGapCost(i,j,scoreMatrix,gapcost,passThrough)
gapUp = calculateGapCost(j,i,scoreMatrix,gapcost,flipIndices)
...
但是，如果 numpy transpose 使用了一些我不知道的功能来仅在几个操作中进行转置，那么转置实际上可能比我的传递函数想法更快。谁能告诉我哪个会更快(或者是否有我没有想到的更好的方法)？
实际方法将调用retrieveValue 3 次，并涉及2 个将被引用的矩阵(如果使用该方法，则因此转置)。
最佳答案
在 NumPy 中，转置返回具有不同形状和 strides 的 View 。它不涉及数据。
因此，您可能会发现这两种方法具有相同的性能，因为它们本质上完全相同。
但是，唯一可以确定的方法是对两者进行基准测试。
关于python - 哪个更快，numpy 转置或翻转索引？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14570513/