1

如果我有一个大的 numpy 数组x，我可以加快许多迭代操作，比如而不是写

x[1:-1] = 5*x[1:-1]

我可以用

x[1:-1] *= 5

这更快，因为与第一个示例相比，它避免了不必要地创建带有 values 的附加数组5*x[1:-1]。

我的问题来了：是否可以加快更一般的迭代，例如

x[1:-1] = 5*x[1:-1] + x[:-2]

以类似的方式？到目前为止，我只想出了

x[1:-1] = x[:-2]
x[1:-1] += 5*x[2:]

但这仍然会创建副本，我想知道是否有办法变得更快。

4

1 回答 1

1

有时你只需要临时的数组，你不能重写

x[1:-1] += 5*x[2:]

作为视图上的操作。

当您需要临时数组时，模拟就地计算是创建一些临时数组并将它们用于计算的每个阶段的输出。您仍然有更多的指针数学，但您不必多次在内存中创建空间。然后您可以将上面的行重写为：

np.multiply(x[2:], 5, out=temp)
x[1:-1] += temp

在这里，我假设temp它的大小x[-1:1]是我通常为处理边界这个常见问题所做的。

通过就地计算，您无法多次使用 timeit 运行精确方程，因为数字呈指数增长，但这是一个将 5x 替换为 1x 的测试：

import numpy as np
from timeit import timeit

N = 100000000
x = np.arange(N, dtype=np.int)
temp = np.zeros((N-2,), dtype=np.int)

def f0(x, temp):
    x[1:-1] += 1*x[2:]

def f1(x, temp):
    np.multiply(x[1:-1], 1, out=temp)
    x[1:-1] += temp

print timeit("f0(x, temp)", "from __main__ import f0, f1, x, temp", number=100)
print timeit("f1(x, temp)", "from __main__ import f0, f1, x, temp", number=100)

这使：

71.543628931
44.719383955

# or, for N /= 100, and number *= 10
5.37844896317
4.50015997887

对于更小的阵列，out阵列方法可能会变得更慢。

于 2013-05-23T17:19:41.783 回答