Python 对“部分”的有效数学运算；稀疏的；numpy阵列

在博士论文的模拟中，我面临以下挑战：

我需要优化以下代码：

repelling_forces = repelling_force_prefactor * np.exp(-(height_r_t/potential_steepness))

在这个代码段中，“height\u r\u t”是一个真正的Numpy数组，“potential\u陡峭度”是一个标量Rejecting_force_prefactor'也是一个Numpy数组，它大部分为零，但在预先计算的位置有一个，在运行时不会改变（即掩码）。 显然，该代码效率低下，因为只计算“排斥力”和“预因子”为非零的位置处的指数函数更有意义

问题是我如何以最有效的方式做到这一点

到目前为止，我唯一的想法是使用“排斥力预因子”将切片定义为“高度”，并对这些切片应用“np.exp”。然而，根据我的经验，切片速度很慢（不确定这是否通常是正确的），解决方案似乎很尴尬

正如旁注，“排斥力预因子”中的1:0的比例大约是1/1000，我在循环中运行这个，所以效率非常重要。

---

（评论：我使用Cython不会有问题，因为我需要/希望在某个时候学习它……但我是新手，所以我需要一个好的指针/解释。）

切片可能比计算所有指数快得多。我建议在非零索引处预计算索引，并使用它们进行切片，而不是直接使用掩码

排斥\u force\u预因子

：

# before the loop
indices = np.nonzero(repelling_force_prefactor)

# inside the loop
repelling_forces = np.exp(-(height_r_t[indices]/potential_steepness))

现在，排斥力将只包含非零的结果。如果必须使用此值更新

高度

原始形状的某些数组，则可以再次使用带

索引的切片，或使用
np.put（）
或类似函数

在这种情况下，使用索引列表进行切片将比使用布尔掩码进行切片更有效，因为索引列表缩短了千分之一。实际上，性能的测量当然取决于您。
切片可能比计算所有指数快得多。我建议在非零索引处预计算索引，并使用它们进行切片，而不是直接使用掩码
排斥\u force\u预因子
：

# before the loop
indices = np.nonzero(repelling_force_prefactor)

# inside the loop
repelling_forces = np.exp(-(height_r_t[indices]/potential_steepness))

现在，排斥力将只包含非零的结果。如果必须使用此值更新
高度
原始形状的某些数组，则可以再次使用带
索引的切片，或使用
np.put（）
或类似函数

在这种情况下，使用索引列表进行切片将比使用布尔掩码进行切片更有效，因为索引列表缩短了千分之一。实际上，性能的测量当然取决于您。
屏蔽阵列的实现完全是为了您的目的

性能与Sven的答案相同：

height_r_t = np.ma.masked_where(repelling_force_prefactor == 0, height_r_t)
repelling_forces = np.ma.exp(-(height_r_t/potential_steepness))

掩蔽数组的优点是，不必对数组进行切片和扩展，数组的大小总是相同的，但是numpy自动知道不计算掩蔽数组的exp

此外，您还可以对具有不同掩码的数组求和，得到的数组具有掩码的交点。
掩码数组的实现完全符合您的目的

性能与Sven的答案相同：

height_r_t = np.ma.masked_where(repelling_force_prefactor == 0, height_r_t)
repelling_forces = np.ma.exp(-(height_r_t/potential_steepness))

掩蔽数组的优点是，不必对数组进行切片和扩展，数组的大小总是相同的，但是numpy自动知道不计算掩蔽数组的exp

此外，您还可以对具有不同遮罩的数组求和，得到的数组具有遮罩的交点。
+1比我快。我只想补充一点，这样做有几个选项，如果代码的这一部分是瓶颈，最好的做法是对每个选项进行基准测试。一般来说，我发现切片速度非常快，尤其是当比率为1/1000时。我只想补充一点，这样做有几个选项，如果代码的这一部分是瓶颈，最好的做法是对每个选项进行基准测试。总的来说，我发现切片速度非常快，尤其是当比率为1/1000时。这是一个非常简洁的解决方案，因为它是一个优雅的解决方案。另一个问题——也许你在最后一句话中提到了这一点。我可以用这种方法对矩阵的不同部分进行运算吗；i、 例如：height_part1=height（mask1）height_part2=height（mask2），然后如果我对height_part1或height_part2进行数学运算，比如height_part1=operation1（height_part1），它们会反映在height中吗？是的，mask是一个简单的布尔数组，存储在masked_数组的
.mask
属性中。创建屏蔽数组时，可以指定copy=False，以便将操作反映到原始数组中。但是最好的策略取决于应用程序的细节。这是一个非常简洁的解决方案，因为它非常优雅。另一个问题——也许你在最后一句话中提到了这一点。我可以用这种方法对矩阵的不同部分进行运算吗；i、 例如：height_part1=height（mask1）height_part2=height（mask2），然后如果我对height_part1或height_part2进行数学运算，比如height_part1=operation1（height_part1），它们会反映在height中吗？是的，mask是一个简单的布尔数组，存储在masked_数组的
.mask
属性中。创建屏蔽数组时，可以指定copy=False，以便将操作反映到原始数组中。但最佳策略取决于应用程序的细节。