Python：实现逐元素向量相乘的最高效方法

Question

我需要一个函数聚合器，它可以把两个列表合并成一个总数。'Items' 应该是一个布尔值的向量。

所以，我写了这些函数：

def element_wise_multiplication(weights, items):
    return map(lambda x, y: x * y, weights, items)

def total(weights, items):
    return sum(element_wise_multiplication(weights, items))

我觉得它们看起来还不错，但问题是性能分析工具显示，包含 lambda 的那一行占用了95%的运行时间，所以它的性能实在是太差了。

有没有更高效的实现方法？

附注：我知道 NumPy 的数组，但我想在这个情况下使用 PyPy。或者说在这种情况下使用它不值得吗？

Answer 1

试试这个：

def total(weights, items):
   return sum (x * y for x, y in zip(weights, items))  

Answer 2

虽然你提到不想在这种情况下使用numpy，但看看速度差异可能还是值得的。

最好的非numpy解决方案似乎是使用izip的生成器，它的性能稍微好于zip。

    In [31]: %timeit sum(x*y for x,y in zip(weights,items))
    10000 loops, best of 3: 158 us per loop

    In [32]: %timeit sum(x*y for x,y in izip(weights,items))
    10000 loops, best of 3: 125 us per loop

但是当我们使用numpy数组时，我们会得到：

    In [33]: %timeit (np_weights,np_items).sum()
    100000 loops, best of 3: 9.08 us per loop

使用numpy的方案快了整整14倍。如果这真的是你代码中的瓶颈，那么使用numpy就是最好的选择。

Answer 3

你可以用一个生成器来解决这个问题，方法如下：

from itertools import izip
value = sum((x * y) for x, y in izip(weights, items))

izip的功能和内置的zip是一样的，但它不会占用太多内存。