如何优化 Python 中的 MAPE 代码？

Question

我需要一个 MAPE 函数，但是我无法在标准包中找到它...下面是我对该函数的实现。

def mape(actual, predict): 
    tmp, n = 0.0, 0
    for i in range(0, len(actual)):
        if actual[i] <> 0:
            tmp += math.fabs(actual[i]-predict[i])/actual[i]
            n += 1
    return (tmp/n)

我不喜欢它，它在速度方面超级不理想。如何将代码重写为更 Pythonic 的方式并提高速度？

Answer 1

这是一种矢量化方法 masking -

def mape_vectorized(a, b): 
    mask = a <> 0
    return (np.fabs(a[mask] - b[mask])/a[mask]).mean()

在 division 计算后 masking 可能更快 -

def mape_vectorized_v2(a, b): 
    mask = a <> 0
    return (np.fabs(a - b)/a)[mask].mean()

运行时测试 -

In [217]: a = np.random.randint(-10,10,(10000))
     ...: b = np.random.randint(-10,10,(10000))
     ...: 

In [218]: %timeit mape(a,b)
100 loops, best of 3: 11.7 ms per loop

In [219]: %timeit mape_vectorized(a,b)
1000 loops, best of 3: 273 µs per loop

In [220]: %timeit mape_vectorized_v2(a,b)
1000 loops, best of 3: 220 µs per loop

Answer 2

另一种使用 masked_Arrays 屏蔽除零的类似方法是：

import numpy.ma as ma
masked_actual = ma.masked_array(actual, mask=actual==0)
MAPE = (np.fabs(masked_actual - predict)/masked_actual).mean()

如何优化 Python 中的 MAPE 代码？

How to optimize MAPE code in Python?

python

statistics

numpy

machine-learning

data-science