Python 高效地创建0和255的棋盘格图案
我编写了一个函数,通过for循环生成一个示例numpy数组。但它对于更大的维度来说太慢了Python 高效地创建0和255的棋盘格图案,python,numpy,Python,Numpy,我编写了一个函数,通过for循环生成一个示例numpy数组。但它对于更大的维度来说太慢了 import numpy as np mat = np.zeros((5, 5)) def func(im): im = im.copy() h,w = im.shape for i in range(h): for j in range(w): if (i + j) % 2 == 0: im[i, j] =
import numpy as np
mat = np.zeros((5, 5))
def func(im):
im = im.copy()
h,w = im.shape
for i in range(h):
for j in range(w):
if (i + j) % 2 == 0:
im[i, j] = 255
return im
print(func(mat))
# array([[ 255., 0., 255., ..., 255., 0., 255.],
# [ 0., 255., 0., ..., 0., 255., 0.],
# [ 255., 0., 255., ..., 255., 0., 255.],
# ...,
# [ 255., 0., 255., ..., 255., 0., 255.],
# [ 0., 255., 0., ..., 0., 255., 0.],
# [ 255., 0., 255., ..., 255., 0., 255.]])
我们将从零初始化数组开始。那就是:
np.zero((高,宽))
。接下来,我们几乎没有办法用这种交替的255s
模式来填充它
方法#1:使用开放范围数组与模拟这些迭代器,并以矢量化方式直接转换比较-
方法#2:仔细观察,似乎您正在将每行中的每个其他元素设置为255
,从第一行的第一个元素开始,第二行的第二个元素开始,然后返回到第三行的第一个元素,依此类推。因此,我们也可以使用,并且应该非常有效-
im[::2,::2] = 255
im[1::2,1::2] = 255
运行时测试
接近-
def func(im):
h,w = im.shape
for i in range(h):
for j in range(w):
if (i + j) % 2 == 0:
im[i, j] = 255
return im
def app1(im):
h,w = im.shape
I,J = np.ogrid[:h,:w]
im[(I+J)%2==0] = 255
return im
def app2(im):
im[::2,::2] = 255
im[1::2,1::2] = 255
return im
核实-
In [74]: im = np.random.randint(0,255,(1000,1000))
In [75]: im1 = im.copy()
...: im2 = im.copy()
...: im3 = im.copy()
...:
In [76]: func(im1)
...: app1(im2)
...: app2(im3)
...:
Out[76]:
array([[255, 133, 255, ..., 14, 255, 41],
[235, 255, 191, ..., 255, 40, 255],
[255, 151, 255, ..., 51, 255, 18],
...,
[ 50, 255, 177, ..., 255, 193, 255],
[255, 245, 255, ..., 114, 255, 27],
[223, 255, 148, ..., 255, 200, 255]])
In [77]: print np.allclose(im1,im2)
...: print np.allclose(im1,im3)
...:
True
True
时间安排-
In [78]: %timeit func(im)
10 loops, best of 3: 106 ms per loop
In [79]: %timeit app1(im)
100 loops, best of 3: 14 ms per loop
In [80]: %timeit app2(im)
1000 loops, best of 3: 415 µs per loop
In [82]: 106/0.415 # Speedup with approach #2 over original one
Out[82]: 255.42168674698797
我们将从零初始化数组开始。那就是:
np.zero((高,宽))
。接下来,我们几乎没有办法用这种交替的255s
模式来填充它
方法#1:使用开放范围数组与模拟这些迭代器,并以矢量化方式直接转换比较-
方法#2:仔细观察,似乎您正在将每行中的每个其他元素设置为255
,从第一行的第一个元素开始,第二行的第二个元素开始,然后返回到第三行的第一个元素,依此类推。因此,我们也可以使用,并且应该非常有效-
im[::2,::2] = 255
im[1::2,1::2] = 255
运行时测试
接近-
def func(im):
h,w = im.shape
for i in range(h):
for j in range(w):
if (i + j) % 2 == 0:
im[i, j] = 255
return im
def app1(im):
h,w = im.shape
I,J = np.ogrid[:h,:w]
im[(I+J)%2==0] = 255
return im
def app2(im):
im[::2,::2] = 255
im[1::2,1::2] = 255
return im
核实-
In [74]: im = np.random.randint(0,255,(1000,1000))
In [75]: im1 = im.copy()
...: im2 = im.copy()
...: im3 = im.copy()
...:
In [76]: func(im1)
...: app1(im2)
...: app2(im3)
...:
Out[76]:
array([[255, 133, 255, ..., 14, 255, 41],
[235, 255, 191, ..., 255, 40, 255],
[255, 151, 255, ..., 51, 255, 18],
...,
[ 50, 255, 177, ..., 255, 193, 255],
[255, 245, 255, ..., 114, 255, 27],
[223, 255, 148, ..., 255, 200, 255]])
In [77]: print np.allclose(im1,im2)
...: print np.allclose(im1,im3)
...:
True
True
时间安排-
In [78]: %timeit func(im)
10 loops, best of 3: 106 ms per loop
In [79]: %timeit app1(im)
100 loops, best of 3: 14 ms per loop
In [80]: %timeit app2(im)
1000 loops, best of 3: 415 µs per loop
In [82]: 106/0.415 # Speedup with approach #2 over original one
Out[82]: 255.42168674698797
您还可以使用重复模式,例如您的模式
import numpy as np
n = 5
x = np.tile(np.array([[0,255],[255,0]]),(n,n))
您还可以使用重复模式,例如您的模式
import numpy as np
n = 5
x = np.tile(np.array([[0,255],[255,0]]),(n,n))
可以使用numpy数组的奇特索引属性 您需要的一个例子是:
import numpy as np
arr = np.zeros((10, 10))
a = np.arange(0, 10, 2)
b = np.arange(1, 10, 2)
arr[a[:, None], a[None, :]] = 255
arr[b[:, None], b[None, :]] = 255
print(arr)
array([[ 255., 0., 255., ..., 0., 255., 0.],
[ 0., 255., 0., ..., 255., 0., 255.],
[ 255., 0., 255., ..., 0., 255., 0.],
...,
[ 0., 255., 0., ..., 255., 0., 255.],
[ 255., 0., 255., ..., 0., 255., 0.],
[ 0., 255., 0., ..., 255., 0., 255.]])
可以使用numpy数组的奇特索引属性 您需要的一个例子是:
import numpy as np
arr = np.zeros((10, 10))
a = np.arange(0, 10, 2)
b = np.arange(1, 10, 2)
arr[a[:, None], a[None, :]] = 255
arr[b[:, None], b[None, :]] = 255
print(arr)
array([[ 255., 0., 255., ..., 0., 255., 0.],
[ 0., 255., 0., ..., 255., 0., 255.],
[ 255., 0., 255., ..., 0., 255., 0.],
...,
[ 0., 255., 0., ..., 255., 0., 255.],
[ 255., 0., 255., ..., 0., 255., 0.],
[ 0., 255., 0., ..., 255., 0., 255.]])