如何在Python中提高以下代码的性能？

基本上，它所做的是在

s

数组中定位

dE[i，j]

的值，并向该位置添加相应的值

（n[j]+1）*i[i，j]

。有没有办法避免for循环？

从技术上讲，你可以在it中使用

for i，j.product（range（N），range（M））：do_something（）

，但老实说，瓶颈是

argmin

和循环的时间复杂度：由于你的算法设计，你的速度很慢。如果可能的话，考虑寻找重构的方法，或者如果性能令人望而却步而无法重构的话，可以用C编写一个扩展

---

如果性能不是瓶颈，雅格尼：你不会需要它的。过早的优化是万恶之源。

我不知道如何设置

l1

。但是我怀疑如果你能为所有的

I，j

得到

l2

，那么对

A[l1，l2]

的添加可以用一个numpy表达式完成。如果

l1、l2

值具有重复项，则加法将更加复杂，但并非不可能。所以我猜，

argmin

表达式是症结所在。你可以先把重点放在消除

j

循环上。谢谢你的回答。实际上，我试图寻找在IDL中实现的Value_Locate（s，dE）的Python版本，其中dE可以是数字或多维数组。但由于某种原因，Python中缺少这样的函数，或者它可能存在于Numpy之外的另一个包中？如果Numpy可以通过添加一个处理数组的功能来改进argmin，那就太好了。@Paitel，可能是因为它根据数组维度以及矩阵/数组的排序位置而有很大的不同。如果对数据进行了排序，您可以使用

searchsorted（）

，大大降低时间复杂度。

for i in range(N):
   for j in range(M):
      l2 = numpy.argmin(numpy.abs(s - dE[i,j]))
      A[l1,l2] = A[l1,l2] + (n[j]+1)*I[i,j]