2

我正在尝试通过矢量化来加速下面的代码：

[rows,cols] = flow_direction_np.shape
elevation_gain = np.zeros((rows,cols), np.float)

for [i, j], flow in np.ndenumerate(flow_direction_np):
    try:
        if flow == 32:
            elevation_gain[i - 1, j - 1]  = elevation_gain[i - 1, j - 1] + sediment_transport_np[i, j]
        elif flow == 64:
            elevation_gain[i - 1, j]  = elevation_gain[i - 1, j] + sediment_transport_np[i, j]
        elif flow == 128:
            elevation_gain[i - 1, j + 1]  = elevation_gain[i - 1, j + 1] + sediment_transport_np[i, j]
        elif flow == 16:
            elevation_gain[i, j - 1]  = elevation_gain[i, j - 1] + sediment_transport_np[i, j]
        elif flow == 1:
            elevation_gain[i, j + 1]  = elevation_gain[i, j + 1] + sediment_transport_np[i, j]
        elif flow == 2:
            elevation_gain[i + 1, j + 1]  = elevation_gain[i + 1, j + 1] + sediment_transport_np[i, j]
        elif flow == 4:
            elevation_gain[i + 1, j]  = elevation_gain[i + 1, j] + sediment_transport_np[i, j]
        elif flow == 8:
            elevation_gain[i + 1, j - 1]  = elevation_gain[i + 1, j - 1] + sediment_transport_np[i, j]
    except IndexError:
            elevation_gain[i, j] = 0

这就是我的代码目前的样子：

elevation_gain = np.zeros_like(sediment_transport_np)
nrows, ncols = flow_direction_np.shape
lookup = {32: (-1, -1),
            16:  (0, -1), 
            8:   (+1, -1),
            4:   (+1,  0),
            64: (-1,  0),
            128:(-1,  +1),
            1:   (0,  +1),
            2:   (+1,  +1)}

# Initialize an array for the "shifted" mask
shifted = np.zeros((nrows+2, ncols+2), dtype=bool)

# Pad elevation gain with zeros
tmp = np.zeros((nrows+2, ncols+2), elevation_gain.dtype)
tmp[1:-1, 1:-1] = elevation_gain
elevation_gain = tmp

for value, (row, col) in lookup.iteritems():
    mask = flow_direction_np == value

    # Reset the "shifted" mask
    shifted.fill(False)
    shifted[1:-1, 1:-1] = mask

    # Shift the mask by the right amount for the given value
    shifted = np.roll(shifted, row, 0)
    shifted = np.roll(shifted, col, 1)

    # Set the values in elevation change to the offset value in sed_trans
    elevation_gain[shifted] = elevation_gain[shifted] + sediment_transport_np[mask]

我遇到的麻烦是他们最后没有给我相同的结果，有什么建议我哪里出错了？

4

2 回答 2

0

您得到不同结果的原因是由于 python 处理负索引的方式。

对于其他阅读的人来说，这个问题（和答案）是从这里跟进的：迭代一个 numpy 数组，然后在另一个数组中索引一个值

首先，我很抱歉“矢量化”代码如此密集。我之前的回答有透彻的解释，这里不再赘述。

您的原始代码（在原始问题中）实际上与您在此处发布的版本略有不同。

基本上，在你有

for [i, j], flow in np.ndenumerate(flow_direction_np):
    try:
        if flow == 32:
            ...
        elif ...
            ...

i+1当或j+1大于网格大小时，您会收到索引错误。

只是在做：

for [i, j], flow in np.ndenumerate(flow_direction_np):
    try:
        if flow == 32:
            ...
        elif ...
            ...
    except IndexError:
        elevation_change[i, j] = 0

实际上是不正确的，因为它在网格的不同侧定义了不同的边界条件。

在第二种情况下，当j-1ori-1为负时，将返回来自网格另一侧的值。但是，当j+1或i+1大于网格的大小时，0将被返回。（因此是“不同的边界条件”。）

在代码的矢量化版本中，当索引为负数和超出网格边界时都会返回0。

作为一个简单的示例，请注意以下情况会发生什么：

In [1]: x = [1, 2, 3]

In [2]: x[0]
Out[2]: 1

In [3]: x[1]
Out[3]: 2

In [4]: x[2]
Out[4]: 3

In [5]: x[3]
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-5-ed224ad0520d> in <module>()
----> 1 x[3]

IndexError: list index out of range

In [6]: x[-1]
Out[6]: 3

In [7]: x[-2]
Out[7]: 2

In [8]: x[-3]
Out[8]: 1

In [9]: x[-4]
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-9-f9c639f21256> in <module>()
----> 1 x[-4]

IndexError: list index out of range

In [10]:

请注意，不超过序列大小的负索引是有效的，并返回序列的“相反端”。因此，x[3]引发错误，而x[-1]只是返回另一端。

希望这更清楚一点。

于 2013-07-19T14:26:23.013 回答
0

np.where您可以使用获取条件发生的索引来显着提高性能：

ind = np.where( flow_direction_np==32 )

您会看到这ind是一个包含两个元素的元组，第一个是数组的第一个轴的索引，第二个是flow_direction_np数组第二个轴的索引。

您可以使用此索引来应用移位：i-1，j-1依此类推...

ind_32 = (ind[0]-1, ind[1]-1)

然后你使用花哨的索引来更新数组：

elevation_gain[ ind_32 ] += sediment_transport_np[ ind ]

编辑：将此概念应用于您的案例将给出如下结果：

lookup = {32: (-1, -1),
          16: ( 0, -1),
           8: (+1, -1),
           4: (+1,  0),
          64: (-1,  0),
         128: (-1, +1),
           1: ( 0, +1),
           2: (+1, +1)}

for num, shift in lookup.iteritems():
    ind = np.where( flow_direction_np==num )
    ind_num = ind[0] + shift[0], ind[1] + shift[1]
    elevation_gain[ ind_num] += sediment_transport_np[ ind ]
于 2013-07-19T12:16:21.373 回答