Я написал метод для вычисления косинусного расстояния между двумя массивами:
def cosine_distance(a, b):
if len(a) != len(b):
return False
numerator = 0
denoma = 0
denomb = 0
for i in range(len(a)):
numerator += a[i]*b[i]
denoma += abs(a[i])**2
denomb += abs(b[i])**2
result = 1 - numerator / (sqrt(denoma)*sqrt(denomb))
return result
Запуск его может быть очень медленным на большом массиве. Есть ли оптимизированная версия этого метода, которая будет работать быстрее?
Обновление: я пробовал все предложения на сегодняшний день, включая scipy. Вот улучшенная версия, включающая предложения Майка и Стива:
def cosine_distance(a, b):
if len(a) != len(b):
raise ValueError, "a and b must be same length" #Steve
numerator = 0
denoma = 0
denomb = 0
for i in range(len(a)): #Mike's optimizations:
ai = a[i] #only calculate once
bi = b[i]
numerator += ai*bi #faster than exponent (barely)
denoma += ai*ai #strip abs() since it's squaring
denomb += bi*bi
result = 1 - numerator / (sqrt(denoma)*sqrt(denomb))
return result
xrange()
вместоrange()
, если вы все еще используете Python 2.x. Если вы используете Python 3, то есть толькоrange()
, и он возвращает итератор. - person steveha   schedule 01.12.2009a
иb
уже были массивами NumPy, то я ожидаю, что функция SciPy будет явным победителем. - person steveha   schedule 01.12.2009xrange()
. Как я и ожидал,xrange()
на мельчайший ус быстрее, потому что не нужно выделять и освобождать память для списка значенийint
; в моем тесте это было примерно на 0,2% быстрее для списков длиной 5000. - person steveha   schedule 01.12.2009xrange()
у меня закончились идеи; Я думаю, вы нашли самую быструю версию на простом Python. Если вам действительно нужно больше скорости, переключите весь проект на SciPy или напишите собственный модуль C, возможно, через Cython: docs.cython.org/src/quickstart/cythonize.html - person steveha   schedule 01.12.2009izip()
. Он извинился, сказав, что это уродливо, но получается быстрее... Ну, я не думаю, что это настолько уродливо, и это явный победитель по скорости. Это имеет смысл: решениеrange()
включает в себя индексирование каждого списка дважды для поиска значений, а также выделение и освобождение списка; решениеxrange()
включает в себя индексирование каждого списка дважды для поиска и запуск итератора; решениеizip()
использует итератор для выборки каждого элемента один раз, что просто должно быть быстрее! - person steveha   schedule 01.12.2009from scipy.spatial.distance import cosine
. Для списков длиной 500 000 функцияcosine
из SciPy является явным победителем, с ответом gnibbler почти так же быстро. Для списков длины 3 функцияizip()
Дариуса Бэкона является явным победителем, а решения, основанные на SciPy и NumPy, настолько плохи, что выбиваются из общего ряда. Который предлагает окончательное решение! Смотрите мой новый ответ. - person steveha   schedule 01.12.2009