Tag: AUTO-VECTORIZATION
Considere un arreglo de entrada NumPy de 1D y un arreglo de índices ordenado. El objetivo es obtener la suma del arreglo de entrada, a, pero dividido por los índices definidos en el arreglo de índices. A continuación se presentan dos enfoques, pero ambos requieren bucles lentos de Python. ¿Existe . . . Read more
Introducción: Tengo un dataframe de pandas con las columnas df = [openDate, high, low, open, close, volume, is_eligible]. En este dataframe: openDate es de tipo fecha y hora, high, low, open, close, volume son de tipo int64, is_eligible es de tipo booleano. Declaración del problema: Quiero añadir una columna más, . . . Read more
¿Existe alguna forma vectorizada de cambiar todos los 1s concurrentes que se encuentran dentro de “offset” del primer 1 en 0s (transformar A en B)? Actualmente estoy intentando hacer esto en un array de numpy con más de 1 millón de elementos donde la velocidad es crítica. Los 1s representan . . . Read more
Tengo la siguiente función, que toma dos arreglos 1D de numpy q_i y q_j, realiza algunos cálculos (incluyendo calcular la norma de su diferencia) y devuelve un arreglo de numpy: import numpy as np import numpy.linalg as lin def coulomb(q_i, q_j, c1=0.8, c2=0.2, k=0.5): “”” Parametros ———- q_i : numpy.ndarray . . . Read more
Quiero implementar una versión vectorizada de la siguiente función utilizando numpy o pytorch: def scatter_max_2(src, index, out): src_shape = src.shape for i in range(src_shape[0]): for j in range(src_shape[1]): out[i][index[i][j]] = max(out[i][index[i][j]], src[i][j]) return out src = torch.tensor([[2, 0, 1, 4, 3], [0, 2, 1, 3, 4]]) index = torch.tensor([[4, 5, . . . Read more