python - 用于在 python 中循环数组 - 来自 matlab

Question

假设您有以下 MATLAB 代码部分，在迭代时循环并修改矩阵内的索引值:

x = zeros(parts,2);
for i = 1:parts
x(i,1) = (i-1)*L + 1;
x(i,2) = i*L;
end

现在假设你是一个 Python 菜鸟，并且已经做到了这一点:

v = np.zeros((parts,2))
for x in xrange(0,N1/L):

其中 parts 和 N1/L 是预定义的整数值。我已经在 python 中对索引和 for 循环进行了一些搜索，但我很难理解如何引用特定索引并在 for 循环中修改它们。如果有人能够指导我正确的方向以了解如何攻击代码的下一部分，我将不胜感激。

Answer 1

Matlab 代码的直译是

import numpy as np
x = np.zeros((parts, 2))
for i in range(parts):
    x[i,0] = i*L + 1
    x[i,1] = (i+1)*L

请注意，Matlab 使用从 1 开始的索引，而 Python 使用从 0 开始的索引。这解释了 1 出现位置的差异。

但是，在使用 NumPy 时，如果避免对数组进行逐元素修改，您将获得更好的性能。相反，您应该寻求用尽可能少的 NumPy 运算符或函数调用来表达计算，这些运算符或函数调用会同时影响整个数组。通过这样做，您可以将尽可能多的工作转移到 NumPy 的底层快速 C/Fortran 编译函数调用上，并减少执行较慢的 Python 代码所花费的时间。

这通常意味着您想要避免 Python for 循环，因为循环意味着存在将执行大量Python语句。

例如，表达上述计算的更好方法是

x = np.zeros((parts, 2))
x[:, 0] = np.arange(1, parts*L, L)
x[:, 1] = x[:, 0] + L - 1

请注意，x 中的值仅使用 2 次赋值来填充。每个赋值会“一次性”影响 x 的整列。

<小时/>

为了了解基于数组的操作有何不同，这是使用 parts = 10000、L = 3 的 ( IPython ) timeit 测试:

In [16]: %%timeit
   ....: x = np.zeros((parts, 2))
         x[:, 0] = np.arange(1, parts*L, L)
         x[:, 1] = x[:, 0] + L - 1
10000 loops, best of 3: 51.9 µs per loop

In [17]: %%timeit
   ....: x = np.zeros((parts, 2))
         for i in range(parts):
             x[i,0] = i*L + 1
             x[i,1] = (i+1)*L
100 loops, best of 3: 3.58 ms per loop