使用numpy提高循环性能

下面的代码片段需要0.7秒。我想提高速度。基本上，代码将b中与a具有相同索引的所有值相加，并将它们存储在a的索引中相同的位置，但存储在不同的数组中。所以基本上数组a包含0-255之间的值，这些值表示临时数组的索引

a = np.random.randint(256, size=(40000,2))
b= np.arange(1280000).reshape(40000, 32)
temp = np.zeros((1,32,256,256)) 

for indx, pnt in enumerate(a):
    temp[0,:,pnt[0],pnt[1]] += b[indx,:]

---

谢谢。

这个答案可能有点偏左，但我认为不值得竭尽全力尝试矢量化

在这个问题上抛出一些

numba

从numba导入jit
@准时制
def计算工具（a、b）：
温度=np.零（（1,32256256））
对于indx，枚举中的pnt（a）：
温度[0，：，pnt[0]，pnt[1]+=b[indx，：]
返回温度

而且至少要快一点

您似乎还知道

a

必须小于256，因此可以通过为数组指定数据类型来节省内存并可能获得一些性能

a=np.random.randint（256，大小=（40000,2），dtype=np.uint8）

由于

temp

是二维数组，因此您的代码似乎无法与

temp[0，：，pnt[0]，pnt[1]]一起运行。谢谢您的反馈。我确实更新了阵列。没有，仍然没有运行。我想你的意思是
temp=np.zero（（32256256））
…真的。或者更改此行->临时[0，：，pnt[0]，pnt[1]+=b[indx，：]我再次更新了代码。