基于张量值体积数据的Python嵌套for循环

使用ITK python包装，我正在读取一个张量值的卷。 在每个张量上，我执行如下操作：

image      = reader.Execute()
dimensions = image.GetSize()

for z in range ( 0, dimensions[2] ):
  for y in range ( 0, dimensions[1] ):
    for x in range ( 0, dimensions[0] ):      
      image[x,y,z] = function( image[x,y,z] )

显然，使用Python时嵌套for循环的速度很慢。 然而，我似乎无法通过地图或列表理解来解决这个问题。 请注意，该函数在9个值的列表上执行，表示3x3张量

有人对如何提高绩效有什么建议吗？ 可能是对结果列表进行展平操作和手动索引

---

谢谢

您可以使用

itertools.product

，但在假设它实际上更快之前，我会先分析一下：

import itertools

xs = range(0, dimensions[0])
ys = range(0, dimensions[1])
zs = range(0, dimensions[2])

coords = itertools.product(xs, ys, zs)

for v in coords:
    image[v[0], v[1], v[2]] = function(image[v[0], v[1], v[2]])

---

我的猜测是，不幸的是，Python中图像像素上的任何循环都会非常慢，您需要使用图像库以某种方式表达您的操作，而无需使用循环。

经过一些实验后，我现在在可读性和速度之间进行权衡。map函数提供了一个简洁的解决方案，尽管它仍然相当缓慢。我的问题在以下部分得到了解决：

以下是我目前的版本：

reader     = sitk.ImageFileReader()
reader.SetFileName ( tensorVolumePath )  

image      = reader.Execute()
dimes      = image.GetSize()
origin     = image.GetOrigin()    

values     = sitk.GetArrayFromImage( image )
valuesFlat = values.reshape(dims[0]*dims[1]*dims[2], 3, 3)  

arrayInv   = np.array(map(np.linalg.inv, valuesFlat))  

imageInv = sitk.GetImageFromArray( valuesFlat.reshape(dims[0], dims[1], dims[2], -1) )
imageInv.SetOrigin(origin)

writer = sitk.ImageFileWriter()
writer.SetFileName ( tensorVolumeInversePath )
writer.Execute ( imageInv );

---

谢谢你的快速回复。用挂钟时间进行的快速粗略测试表明，它的速度大约是原来的两倍。这是一个很好的改进，但我希望有更多的性能提升，因为我正在处理相当大的容量（比如128立方）。仍然想知道Python中是否有可靠的方法，或者我们是否应该使用C来解决这些问题。