Wie kann die Matrix in Polars DataFrame- und Leistungsmatrixoperationen effizient gespeichert werden? ⇐ Python

[Anonymous]

Ich habe viele Daten . Für jedes Datum gibt es einen Vektor V (mit Länge n ) und einer Quadratmatrix m (mit Dimension n nach n ) . v , m und n variieren nach Datum in Bezug auf Werte und Längen/Abmessungen.
Die Aufgabe gilt für In jedem Datum möchte ich eine Matrixoperation durchführen, um einen konstanten Skalar zu generieren - transponieren (v) * m * V .
Die naive Art und Weise besteht darin Schleife, aber die Berechnungszeit wird riesig sein, da sie sequentiell ist. so dass ich so etwas wie df.group_by ("Datum") tun kann. Agg (...) , was parallel und effizient ist.
, um ein konkretes Beispiel zu geben: < /p>

• Für das Datum 2020-01-01 < /code>, v = [1, 2] < /code>, m = [[1, 2], [3, 4]] Die Indizes für V und M sind ["A", "B"] .
• Für Datum 2020-02-01 , v = [1, 2, 3] , m = [1, 2, 3], [3, 4, 5], [4, 5, 6]] , Die Indizes für V und M sind ["A", "B", "C"] .
• Für das Datum 2020-03-01 , v = [1, 3, 5] , M = [[1, 5, 9], [2, 4, 6], [3, 6, 9]] , die Indizes für V und M sind ["B", "D", "E"] .
• Ergebnis: