Question

我有2D numpy数组，我需要两个嵌套循环来迭代它的每个元素。我想在嵌套循环上进行一些矢量化，但我一直都会收到错误，

j= np.arange (0,x.shape [1])
IndexError: tuple index out of range

这些是原始的嵌套循环：

for k in range(A.shape[0]):
        for j in range(A.shape[1]):
            A[k,j] = method1(x[k],x[j],a,c0,c1)

这就是我尝试根据这个答案https://codereview.stackexchange.com/questions/17702/python-numpy-running-15x-slower-than-matlab-am-i-using-numpy-effeciently，

进行矢量化的方法

j= np.arange (0, A.shape [1])
    for k in range(A.shape[0]):

            A[k,j] = method1(x[k],x[j],a,c0,c1)

我试图更改np.arange中的索引，但它不起作用。

任何人都可以告诉我如何解决这个问题？

感谢。

编辑：通过@ajcr评论，我的错误是在这一行，j = np.arange（0，x.shape [1]），我应该使用2D数组“A”的列数作为j = np.arange（0，A.shape [1]），但我错误地使用了1D数组x，因此出错了。它现在工作得很好。

Answer 1

由于您不提供此功能，因此很难给您答案。如果可以对您的计算进行矢量化，那么这就是可行的方法。否则，您可以使用np.vectorize：

import numpy as np

def my_fun(x,y,a,b):
    if x > y:
        return a*x**2 + y
    else:
        return b*x**2 + a*y

vec_fun = np.vectorize(my_fun)
x = np.random.rand(100000)
y = np.random.rand(100000)

%%timeit
for xx,yy in zip(x,y):
    my_fun(xx,yy,1,2)

10个循环，最佳3：每循环138 ms

%%timeit
    vec_fun(x,y,1,2)

10个循环，最佳3：每循环65.4毫秒

如果您只是循环输入参数列表，则可以使用multiprocessing.Pool来利用所有核心。

编辑：正如BlackCat所说，np.vectorize函数可能无法加快速度。如果是这种情况，我能想到的唯一解决方案是使用所有内核或切换到Cython。

在嵌套循环中矢量化操作：Python

1 个答案: