Update AnDA_analog_forecasting.py

[pnavaro]

Remove numpy.repeat calls and use numpy.newaxis instead.

Bonjour Pierre, j'ai remarqué qu'il y avait un mauvais usage des fonctions numpy.repeat et numpy.newaxis

La différence de performance n'est pas significative car la valeur de k reste petite. Si k est plus grand cela peut être pénalisant.

k, n = 5, 4
A = np.random.random((k,n))
B = np.random.random(n)
print(A - np.repeat(B[np.newaxis],k,0))

array([[ 0.12257881, -0.6828793 ,  0.33842712,  0.11159255],
       [-0.14958673, -0.18297544, -0.08235108, -0.46120042],
       [ 0.16231505, -0.03759013, -0.41242646, -0.62449231],
       [ 0.23559006, -0.41247123,  0.18543247, -0.39231891],
       [-0.26883017, -0.22686467, -0.46624038, -0.06988904]])

print(A - B[np.newaxis,:]  )

array([[ 0.12257881, -0.6828793 ,  0.33842712,  0.11159255],
       [-0.14958673, -0.18297544, -0.08235108, -0.46120042],
       [ 0.16231505, -0.03759013, -0.41242646, -0.62449231],
       [ 0.23559006, -0.41247123,  0.18543247, -0.39231891],
       [-0.26883017, -0.22686467, -0.46624038, -0.06988904]])

Bonnes fêtes. Pierre.

[pnavaro]

• J'ai corrigé le warning qui apparaissait dans le notebook.
• J'ai remplacé les boucles dans le model forecasting par des vectorisations apply_along_axis. Normalement c'est plus rapide mais pas beaucoup finalement.

[pnavaro]

J'ai modifié des générations aléatoires en utilisant la classe RandomState . Maintenant la simulation est reproductible. Pour modifier les tirages il y a une variable optionnelle seed dans plusieurs fonctions.