привет!
Помогите пожалуйста разобраться, как я могу применить векторизацию. В рамках саморазвлечения и самообразования пытаюсь с нуля написать на питоне вычислительное решение n-body problem (для простоты — в двухмерном пространстве).
Есть numpy-array Nx5, который представляет координаты, массу и вектор движения N точек. Чтобы рассчитать, какие силы влияют на каждый объект в данный момент времени, мне нужно поэлементно произвести математические операции каждого элемента с каждым.  если это делать “в лоб”,  то при N=300 просчет “каждый для каждого” на моей машине занимает почти две секунды. А поскольку мне нужно провести много итераций этой функции, возник вопрос как можно оптимизировать следующий код:

obj = np.array(<Nxm>) # исходный объект содержащий координаты и т.д.
        results = np.zeros((len(obj), 2)) # объект, в который будут записываься результаты вычислений
        for i, pt_i in enumerate(obj):
            for j, pt_j in enumerate(obj):
                if i <= j:
                    continue
                iter_res = calculate_forces(pt_i[0:3], pt_j[0:3]) # функция производит несколько математических операций над двумя массивами 1х3, результат вычисления для пары элементов — array 1x2
                results[i] += list(iter_res)
                results[j] -= list(iter_res)

быстрый гугл дал очень много разных вариантов встроенных функций numpy, и я не вполне могу быстро разобраться какой из них мне может подойти а какой нет. Заранее спасибо!

Всем привет!
У меня данные из API My Tаrget: https://prnt.sc/wl4f5d. И нужно их привести в нормальный датафрейм.
Делаю так: https://prnt.sc/wl4h8i и теряю id объявления, потому что id вне элемента rows. Как сделать правильно? Готов мириться с названиями через точку, а id объявления хотелось бы выводить в датафрейм. Есть представление, как засунуть id в rows, но это прямо костыль.

привет!
Помогите пожалуйста разобраться, как я могу применить векторизацию. В рамках саморазвлечения и самообразования пытаюсь с нуля написать на питоне вычислительное решение n-body problem (для простоты — в двухмерном пространстве).
Есть numpy-array Nx5, который представляет координаты, массу и вектор движения N точек. Чтобы рассчитать, какие силы влияют на каждый объект в данный момент времени, мне нужно поэлементно произвести математические операции каждого элемента с каждым.  если это делать “в лоб”,  то при N=300 просчет “каждый для каждого” на моей машине занимает почти две секунды. А поскольку мне нужно провести много итераций этой функции, возник вопрос как можно оптимизировать следующий код:

obj = np.array(<Nxm>) # исходный объект содержащий координаты и т.д.
        results = np.zeros((len(obj), 2)) # объект, в который будут записываься результаты вычислений
        for i, pt_i in enumerate(obj):
            for j, pt_j in enumerate(obj):
                if i <= j:
                    continue
                iter_res = calculate_forces(pt_i[0:3], pt_j[0:3]) # функция производит несколько математических операций над двумя массивами 1х3, результат вычисления для пары элементов — array 1x2
                results[i] += list(iter_res)
                results[j] -= list(iter_res)

быстрый гугл дал очень много разных вариантов встроенных функций numpy, и я не вполне могу быстро разобраться какой из них мне может подойти а какой нет. Заранее спасибо!

Друзья, всем привет. Очень ищу людей, в последнее время занимавшихся на курсах веб-аналитики. Откликнитесь пожалуйста, нужна ваша помощь.

Ребятушки, кто-нибудь занимался машинным обучение в сейсморазведке или нефтегазовой сфере?  Отпишите в лс если такие есть,  интересно пообщаться.

Ребятушки, кто-нибудь занимался машинным обучение в сейсморазведке или нефтегазовой сфере?  Отпишите в лс если такие есть,  интересно пообщаться.

Не, тут Гугл нужен
Раз уже на ТАКОМ этапе вопросы)

Не, тут Гугл нужен
Раз уже на ТАКОМ этапе вопросы)