循环n-d np.array的最有效方法

Question

1。引言

假设有一个形状为（365,100,100）的三维数组： Prec 。

• 它代表一年中一个地区的日降水量。
• 显然，第一个维度代表时间序列。
• 最后2个维度代表空间分布（例如，1千米x 1公里有10000个网格）

2。尝试

测试每个网格的整个区域是否其沉淀超过一定值Pd分开干燥和湿润。我想把这一年的干燥日总结一下。

3。我的代码

freq = np.zeros(100,100).reshape(100,100)
Pd = xxx
for i in range(0,prec.shape[0],1):
    for j in range(0,prec.shape[1],1):
        for k in range(0,prec.shape[2],1):   
            if prec[i,j,k] < Pd:
               freq[j,k] +=1

我认为太多的循环必须浪费时间。是否有一些最简洁的方法来实现类似的工作？ 任何建议都会很感激！

Answer 1

您正在prec的第一轴进行比较和求和。可以使用NumPy broadcasting以矢量化方式执行该比较，然后沿着第一个轴与.sum(0)求和，就像这样 -

freq = (prec < Pd).sum(0)