python - 提高元素 block 之间差异的性能

Question

我有一个相当简单的 block ，它获取两个数组中两个选定元素之间的绝对值差。

import numpy as np

# Input data with proper format.
N_bb, N_cc = np.random.randint(1e5), np.random.randint(1e5)
bb = np.random.uniform(0., 1., N_bb)
cc = np.random.uniform(0., 1., N_cc)

# My actual code repeats this process ~500 times.
all_ds = []
for _ in range(500):

    # An index into cc for each element in bb.
    idx_into_cc = np.random.randint(0, len(cc), len(bb))

    # This is the block I need to make faster.
    aa = []
    for i, b in enumerate(bb):
        aa.append(abs(b - cc[idx_into_cc[i]]))
    d = np.median(aa)

    # Use 'd' before the next iteration, and store the result.
    all_ds.append(some_func(d))

我使用绝对差，因为我需要正值，我也可以使用平方差。 bb 和 cc 数组在整个过程中保持不变，但 idx_into_cc 随着每次迭代而变化。

如何提高此代码的性能？

Answer 1

我们可以简单地使用矢量化索引来删除内部循环，就像这样 -

d = np.median(np.abs(bb-cc[idx_into_cc]))