Python 非循环方式根据行和列位置更改数组值

Question

我正在尝试根据它们的列和行位置更改 numpy 数组值，目前正在以这种方式实现它:

for r in range(ResultArr2.shape[0]):
    for c in range(ResultArr2.shape[1]):
        ResultArr2[r,c] = ResultArr2[r,c]-r*1000-c*500

是否有一种非循环的方法可以达到相同的结果？我知道如果实现非循环结构，Python 通常会运行得更快，但我不知道如何做到这一点。

Answer 1

以下是使用 mgrid 或 ogrid 或手动创建 ogrid 生成的相同范围的一些变体。

观察:

• 对于大小为 1000 的数组，最快的方法比 mgrid 快三倍以上
• 使用 ogrid 或手动将两个范围分开添加会更好一些，从而避免全尺寸临时
• mgrid 或 ogrid 等便利性往往以 numpy 为代价，实际上手动方法的速度是 的两倍code>ogrid

代码:

import numpy as np

from timeit import timeit

A = np.arange(1000).reshape(20, 50)

def f():
    B = A.copy()
    m, n = B.shape
    I, J = np.mgrid[:m*1000:1000, :n*500:500]
    B += I+J
    return B

def g():
    B = A.copy()
    m, n = B.shape
    I, J = np.ogrid[:m*1000:1000, :n*500:500]
    B += I+J
    return B

def h():
    B = A.copy()
    m, n = B.shape
    I, J = np.ogrid[:m*1000:1000, :n*500:500]
    B += I
    B += J
    return B

def i():
    B = A.copy()
    m, n = B.shape
    BT = B.T
    BT += np.arange(0, 1000*m, 1000)
    B += np.arange(0, 500*n, 500)
    return B

def j():
    B = A.copy()
    m, n = B.shape
    B += np.arange(0, 1000*m, 1000)[:, None]
    B += np.arange(0, 500*n, 500)
    return B


assert np.all(f()==h())
assert np.all(g()==h())
assert np.all(i()==h())
assert np.all(j()==h())

print(timeit(f, number=10000))
print(timeit(g, number=10000))
print(timeit(h, number=10000))
print(timeit(i, number=10000))
print(timeit(j, number=10000))

样本运行:

0.289166528998976    # mgrid                                                                                               
0.25259370900130307  # ogrid 1 step                                                                                               
0.24528862700026366  # ogrid 2 steps                                                                                               
0.09056068700010655  # manual transpose                                                                                             
0.08238107499892067  # manual add dim