我有一个 2D numpy 数组,我需要两个嵌套循环来遍历它的每个元素。我想对嵌套循环进行一些矢量化,但我一直收到错误提示,
j= np.arange (0,x.shape [1])
IndexError: tuple index out of range
这些是原始的嵌套循环:
for k in range(A.shape[0]):
for j in range(A.shape[1]):
A[k,j] = method1(x[k],x[j],a,c0,c1)
这就是我尝试根据这个答案进行矢量化的方式,https://codereview.stackexchange.com/questions/17702/python-numpy-running-15x-slower-than-matlab-am-i-using-numpy-effeciently ,
j= np.arange (0, A.shape [1])
for k in range(A.shape[0]):
A[k,j] = method1(x[k],x[j],a,c0,c1)
我试图更改 np.arange 中的索引,但没有成功。
谁能告诉我如何解决这个问题?
谢谢。
编辑:根据@ajcr 评论,我的错误在于这一行,j= np.arange (0,x.shape [1]),我应该使用二维数组“A”的列数作为 j = np.arange (0,A.shape [1]),但我错误地使用了一维数组 x,因此出现错误。它现在工作得很好。
请您参考如下方法:
由于您不提供功能本身,因此很难给您答案。如果可以对您的计算进行矢量化,那么这就是可行的方法。否则,您可以使用 np.vectorize:
import numpy as np
def my_fun(x,y,a,b):
if x > y:
return a*x**2 + y
else:
return b*x**2 + a*y
vec_fun = np.vectorize(my_fun)
x = np.random.rand(100000)
y = np.random.rand(100000)
%%timeit
for xx,yy in zip(x,y):
my_fun(xx,yy,1,2)
10 个循环,3 个循环中的最佳:每个循环 138 毫秒
%%timeit
vec_fun(x,y,1,2)
10 个循环,3 个循环中的最佳:每个循环 65.4 毫秒
如果您只是遍历输入参数列表,您可以使用 multiprocessing.Pool 来利用所有核心。
编辑:正如 BlackCat 指出的那样,np.vectorize 函数可能无法加快速度。如果是这种情况,我能想到的唯一解决方案是使用所有内核或切换到 Cython。
