python - Python 和 numpy 中两个变量循环的列表理解

Question

我必须使用来自 matplotlib 的 contourf 从函数返回到绘图的值 x、y 创建一个 2D numpy 数组，到目前为止，我使用的是类似“C”的结构，它似乎是 在 Python 中非常效率低下:

    dim_x = np.linspace(self.min_x, self.max_x, self.step)
    dim_y = np.linspace(self.min_y, self.max_y, self.step)
    X, Y = np.meshgrid(dim_x, dim_y)

    len_x = len(dim_x)
    len_y = len(dim_y)


    a = np.zeros([len_x, len_y], dtype=complex)

    for i, y in enumerate(dim_y):
        for j, x in enumerate(dim_x):
            a[i][j] = aux_functions.final_potential(complex(x, y), element_list)

cs = plt.contourf(X, Y, (a.real), 100)

如何以更 pythonic 的方式完成此操作？

谢谢!

Answer 1

如果您可以将 final_potential 重写为矢量化函数，那就太理想了。一个简单的，也许是太明显的例子:

>>> dim_x = np.linspace(0, 2, 5)
>>> dim_y = np.linspace(0, 2, 5)
>>> X * Y
array([[ 0.  ,  0.  ,  0.  ,  0.  ,  0.  ],
       [ 0.  ,  0.25,  0.5 ,  0.75,  1.  ],
       [ 0.  ,  0.5 ,  1.  ,  1.5 ,  2.  ],
       [ 0.  ,  0.75,  1.5 ,  2.25,  3.  ],
       [ 0.  ,  1.  ,  2.  ,  3.  ,  4.  ]])

但如果您真的不能那样做，您也可以向量化:

>>> np.vectorize(lambda x, y: x * y + 2)(X, Y)
array([[ 2.  ,  2.  ,  2.  ,  2.  ,  2.  ],
       [ 2.  ,  2.25,  2.5 ,  2.75,  3.  ],
       [ 2.  ,  2.5 ,  3.  ,  3.5 ,  4.  ],
       [ 2.  ,  2.75,  3.5 ,  4.25,  5.  ],
       [ 2.  ,  3.  ,  4.  ,  5.  ,  6.  ]])

在您的情况下，它可能看起来像这样:

def wrapper(x, y): 
    return aux_functions.final_potential(complex(x, y), element_list)

a = np.vectorize(wrapper)(X, Y)

这可能比嵌套的 for 循环快一点，尽管 python 函数调用的开销会大大降低 numpy 的效率。在我过去做过的测试中，使用 vectorize 提供了适度的 5 倍加速。 (与 X * Y 示例中的纯 numpy 操作的 100 倍或 1000 倍加速相比。)