Skip to main content
 首页 » 编程设计

python之基于索引函数的数组向量化操作

2024年11月01日13mfryf

我有一个表示 3D 点之间函数的数组。因此作为索引,它得到 6 元组。现在我想对这个数组的元素应用一个函数,但这个函数不仅取决于元素的值,还取决于它的索引。所以如果 A 是矩阵,m 和 n 是我们的 3D 点,A[m,n] 存储它的值,k 是 0 到 3 之间的值,那么 f(A,k )[m,n] 等于:

-m[k]**2 如果m==n

-m[k]**2-n[k]**2否则

以下是我的代码:

import numpy as np 
def func(a,k): 
    b=np.empty(a.shape) 
    for i in range(a.flatten().size): 
        ind=np.unravel_index(i,a.shape) 
        if ind[0:3]==ind[3:6]: 
            b[ind]=a[ind]*ind[0:3][k]**2 
        else: 
            b[ind]=a[ind]*(ind[0:3][k]**2-ind[3:6][k]**2) 
    return b 
a=np.arange(729).reshape((3,3,3,3,3,3)) 
print func(a,2) 

有没有办法向量化这段代码?

附言这是我实际需要做的事情的简化版本。

请您参考如下方法:

使用numpy.indices()创建索引数组,然后你可以向量化计算:

import numpy as np 
def func(a,k): 
    b=np.empty(a.shape) 
    for i in range(a.flatten().size): 
        ind=np.unravel_index(i,a.shape) 
        if ind[0:3]==ind[3:6]: 
            b[ind]=a[ind]*ind[0:3][k]**2 
        else: 
            b[ind]=a[ind]*(ind[0:3][k]**2-ind[3:6][k]**2) 
    return b 
 
def func2(a,k): 
    b = np.empty(a.shape) 
    ind = np.indices(a.shape).reshape(6, -1) 
    mask = np.all(ind[:3] == ind[3:6], axis=0) 
    ar = a.ravel() 
    br = b.ravel() 
    br[mask] = ar[mask]*ind[k, mask]**2 
    mask = ~mask 
    br[mask] = ar[mask]*(ind[k, mask]**2 - ind[3+k, mask]**2) 
    return b 
 
a = np.arange(729).reshape((3,3,3,3,3,3)) 
b1 = func(a, 2) 
b2 = func2(a, 2) 
np.allclose(b1, b2) 

这是 %timeit 结果:

%timeit func(a, 2) 
%timeit func2(a, 2) 

输出:

100 loops, best of 3: 16.4 ms per loop 
1000 loops, best of 3: 579 µs per loop 

您可以针对您的情况稍微优化一下:

def func3(a,k): 
    b = np.empty(a.shape) 
    ind = np.indices(a.shape).reshape(6, -1) 
    mask = ~np.all(ind[:3] == ind[3:6], axis=0) 
    ar = a.ravel() 
    br = b.ravel() 
    br[:] = ar*ind[k]**2 
    br[mask] -= ar[mask]*ind[3+k, mask]**2 
    return b