Python 如何在使用numpy阵列维护内存的同时提高速度？

我需要编写一个代码来做一个样本t检验，给定二维数组中每个条目的样本平均值（E（X））和样本第二原始矩（E（X^2））

我有两种方法可以做到这一点，但它们都不太管用

使用numpy否决操作-对于特定大小的阵列，内存不足错误

def calc_normal_pvals（vt_sum_计数器、vt_sum_计数器）：
全球NSUB
vt_总和计数器=vt_总和计数器/nsubs
vt_ssum_计数器=vt_ssum_计数器/nsubs
样本变量=nsubs*（vt_sum_计数器-np.平方（vt_sum_计数器））/（nsubs-1）
t_数组=np.除法（vt_求和计数器，（np.sqrt（样本变量/nsubs）））
pvals=t.sf（t_阵列，nsubs-1）
pvals[np.isnan（pvals）]=0
返回pvals

普通for循环方法-比较起来需要很多时间

def calc_normal_pvals（vt_sum_计数器，vt_sum_计数器，tail=1）：
全球NSUB
五、 T=vt\u和\u计数器形状
pvals=np.零（（V，T））
对于范围（V）内的i：
对于范围（T）内的j：
sigma=（（vt_sum_计数器[i，j]/nsubs-（vt_sum_计数器[i，j]/nsubs）**2）/（nsubs-1））**0.5
如果（西格玛！=0）：
pvals[i，j]=t.sf（vt_总和计数器[i，j]/（nsubs*σ），nsubs-1）
返回pvals

---

输入阵列是巨大的，通常大小约为900000 X 400

哪一行抛出内存错误？它随系统而变化。但最好的一行是“pvals=t.sf（t_数组，nsubs-1）”。问题的要点是如何更有效地编写这样的代码。你能结合这两行，使用块吗。例如，在9000 x 400阵列上进行100次迭代。由于内存管理问题，复杂操作的几次迭代通常是最优的。@hpaulj，是的，我也这么想。我想知道是否有一个很酷的numpy技巧。哪一行抛出内存错误？它随系统而变化。但最好的一行是“pvals=t.sf（t_数组，nsubs-1）”。问题的要点是如何更有效地编写这样的代码。你能结合这两行，使用块吗。例如，在9000 x 400阵列上进行100次迭代。由于内存管理问题，复杂操作的几次迭代通常是最优的。@hpaulj，是的，我也这么想。我想知道是否有一个很酷的小把戏。