Skip to main content
 首页 » 编程设计

python之Numpy优化

2024年10月25日11davidwang456

我有一个根据条件赋值的函数。我的数据集大小通常在 30-50k 范围内。我不确定这是否是使用 numpy 的正确方法,但是当它超过 5k 个数字时,它会变得非常慢。有没有更好的方法让它更快?

import numpy as np  
N = 5000; #dataset size 
L = N/2; 
d=0.1; constant = 5; 
 
x=constant+d*np.random.random(N); 
 
matrix = np.zeros([L,N]); 
 
print "Assigning matrix" 
for k in xrange(L): 
    for i in xrange(k+1): 
        matrix[k,i] = random.random() 
 
    for i in xrange(k+1,N-k-1): 
        if ( x[i] > x[i-k-1] ) and ( x[i] > x[i+k+1] ): 
            matrix[k,i] = 0 
        else: 
            matrix[k,i] = random.random() 
 
    for i in xrange(N-k-1,N): 
        matrix[k,i] = random.random() 

请您参考如下方法:

如果您使用 for 循环,您将失去 numpy 的速度。获得速度的方法是使用 numpys 函数和向量化操作。有没有一种方法可以创建随机矩阵:

matrix = np.random.randn(L,k+1) 

然后对这个矩阵做些什么来得到你想要的 0 位置?您能否详细说明将条目设置为0的条件?例如,您可以创建矩阵然后执行以下操作:

matrix[matrix > value] 

保留所有高于阈值的值。如果条件可以表示为一些 bool 索引器或算术运算,则可以加快速度。如果它必须在 for 循环中(即它取决于它周围的值作为循环周期)它可能无法被矢量化。