Question

我有一个函数，将两个元素的数组作为输入。现在我有大量数据（shape =（360000,2）），并希望通过使用numpy.apply_along_axis评估每个点上的函数。此线程（Windows Socket Error Codes）中给出的答案之一表明numpy.apply_along_axis不是为了速度。我的功能是矢量化的。如何在不使用jit / cython的情况下改善所有数据的演化时间。

我将提供一个示例代码，说明我要做的事情

import numpy as np
import random
def sample(x):
    return np.sin(x[0])*np.cos(x[1])
data = np.random.normal(size=600*600*2)
data = data.reshape(600*600,2)
%timeit np.sum(np.apply_along_axis(sample, 1,data)) #using the apply_along_axis

def loop_way():  # using loop
    result = []
    for i in data:
        result += [sample(i)]
    return np.sum(result)
%timeit loop_way()


output when using np. apply_along_axis: 1 loop, best of 3: 4.06 s per loop

output for loop_way function: 1 loop, best of 3: 2.41 s per loop

Answer 1

np.sin和*是向量化操作，因此，您可以将它们应用于整个数组：

np.sin(data[:, 0]) * np.cos(data[:, 1])

data[:, 0]是第一列，data[:, 1]是第二列。

请注意，这应该非常快：）

这是一个笔记本，可以测试每种方法的速度：notebook。

平均运行时间：

方法1（使用numpy.apply_along_axis）：2.08秒
方法2（将功能循环应用于行）：1.14s
方法3（此答案）：17.3ms

使用numpy.apply_along_axis时提高代码速度

1 个答案: