Skip to main content
 首页 » 编程设计

python之在 python 中不使用循环填充 3D 数组

2024年12月31日7oomusou

我正在用一个函数填充 3 维数组,该函数取决于其他 1 维数组的值,如下面的代码所示。涉及我的真实数据的代码需要很长时间,因为我的 1 维数组(以及我的 3 维数组)的长度为 100 万。有什么方法可以更快地做到这一点,例如不在 python 中使用循环?

这个想法可能看起来很愚蠢,但我仍然想知道在我的程序中用 C++ 填充这个对象导入代码是否会更快......我是 C++ 的新手,所以我没有尝试过.

import numpy as np 
import time 
 
start_time = time.time() 
kx = np.linspace(0,400,100) 
ky = np.linspace(0,400,100) 
kz = np.linspace(0,400,100) 
 
Kh = np.empty((len(kx),len(ky),len(kz))) 
 
for i in range(len(kx)): 
    for j in range(len(ky)): 
        for k in range(len(kz)): 
            if np.sqrt(kx[i]**2+ky[j]**2) != 0: 
                Kh[i][j][k] = np.sqrt(kx[i]**2+ky[j]**2+kz[k]**2) 
            else: 
                Kh[i][j][k] = 1 
 
 
print('Finished in %s seconds' % (time.time() - start_time)) 

请您参考如下方法:

您可以使用 numba 中的 @njit 装饰器,这是一个高性能的 JIT 编译器。它将时间减少了一个数量级以上。下面是对比和代码。它就像导入 njit 然后使用 @njit 作为函数的装饰器一样简单。 This是官方网站。

我还使用 njit 计算了 1000*1000*1000 数据点的时间,仅用了 17.856173038482666 秒。使用并行版本作为 @njit(parallel=True) 进一步将时间减少到 9.36257791519165 秒。使用正常功能执行相同操作需要几分钟时间。

我还对 njit 和@Bily 在他的 answer 中建议的矩阵运算做了一些时间比较以下。虽然对于高达 700 的点数而言,时间是可比的,但 njit 方法明显胜过大于 700 的点数,如下图所示。

import numpy as np 
import time 
from numba import njit 
 
kx = np.linspace(0,400,100) 
ky = np.linspace(0,400,100) 
kz = np.linspace(0,400,100) 
 
Kh = np.empty((len(kx),len(ky),len(kz))) 
 
@njit  # <----- Decorating your function here 
def func_njit(kx, ky, kz, Kh): 
    for i in range(len(kx)): 
        for j in range(len(ky)): 
            for k in range(len(kz)): 
                if np.sqrt(kx[i]**2+ky[j]**2) != 0: 
                    Kh[i][j][k] = np.sqrt(kx[i]**2+ky[j]**2+kz[k]**2) 
                else: 
                    Kh[i][j][k] = 1 
    return Kh                 
 
start_time = time.time() 
Kh = func_njit(kx, ky, kz, Kh) 
print('NJIT Finished in %s seconds' % (time.time() - start_time)) 
 
def func_normal(kx, ky, kz, Kh): 
    for i in range(len(kx)): 
        for j in range(len(ky)): 
            for k in range(len(kz)): 
                if np.sqrt(kx[i]**2+ky[j]**2) != 0: 
                    Kh[i][j][k] = np.sqrt(kx[i]**2+ky[j]**2+kz[k]**2) 
                else: 
                    Kh[i][j][k] = 1 
    return Kh  
 
start_time = time.time() 
Kh = func_normal(kx, ky, kz, Kh) 
print('Normal function Finished in %s seconds' % (time.time() - start_time)) 

NJIT Finished in 0.36797094345092773 seconds 
Normal function Finished in 5.540749788284302 seconds 

njit与矩阵法的比较