消除 for 循环挑战和启发式的存在，以消除一般的 for 循环

Question

我不知道我是否太过分了，但我想删除下面代码中的 for 循环：

# self.assigments = (N, )
# self.points = (N, 2)
# centers = (3, 2)
centers = np.zeros((self.K, self.points.shape[1]))
_, counts = np.unique(self.assignments, return_counts=True)
for point, assignment in zip(self.points, self.assignments):
    centers[assignment][0] += point[0] / counts[assignment]
    centers[assignment][1] += point[1] / counts[assignment]
return centers

此代码基本上根据分配重新计算 K-Means 聚类算法的中心。我正在努力删除 for 循环，但我的直觉表明它可以删除。这让我想知道，在尝试通过矢量化等技术删除

for

循环时，是否可以考虑任何规则/启发法？

我的期望是，从上述代码中删除

for

循环是可能的，并且通常可以通过删除

for

循环来应用一些规则或启发式进行优化。

Answer 1

counts[self.assignments]

会产生什么？一个 (N,) 数组？

self.points   # (N,2)
temp = self.points/counts[self.assignments][:,None] 

应该是 (N,2)。所以我的猜测是

for assignment in self.assignments:
    centers[assignment] += temp[assignment]

这并不能消除大的

N

循环，但可能会使

+=

分配的可视化变得更容易。

在我内心深处，我想

bincount

在这里可能有用。不过这个功能我没怎么用过。

我想这说明了我的双重方法 - 尽可能地清理内部“矢量化”，然后对主迭代进行可视化。