Python 从返回NumPy数组的循环中收集结果

我是一个公认的非常基础的Python程序员，在遇到实现各种研究问题时，我会努力学习。我遇到了其中的一个问题——特别是，如何处理循环，在循环中我返回一堆数据，而不是通常的“输出一个数字”示例，在这些示例中，您只需将循环的结果添加到前面的所有内容中

以下是我尝试运行的未加载脚本的要点：

真正突出的一点是model_solve函数的结尾：

def model_solve(t):
    # lots of variables set
    params = np.zeroes((n_steps,n_params)
    params[:,0] = beta
    params[:,1] = gamma
    timer = np.arange(n_steps).reshape(n_steps,1)
    SIR = spi.odeint(eq_system, startPop, t_interval)
    output = np.hstack((timer,SIR,params))
    return output

它返回ODE积分位（

spi.odeint

）的结果，以及一个简单的“What time step What we on？”计时器和两列以4950行和7列NumPy数组的形式多次重复的两个随机变量的值

然而，目标是对具有随机值的两个参数（β和γ）进行蒙特卡罗分析。本质上，我想做一个循环函数，有点像这样：

def loop_function(runs):
  for i in range(runs):
    model_solve(100)
    # output of those model_solves collected here
  # return collected output

然后将收集的输出写入文件。通常，我只需要让每个model_solve函数将其结果写入一个文件，但这段代码将在其他平台上运行，在结果返回到本地计算机之前，我不一定能够写入文件。相反，我试图返回一个巨大的NumPy数组

runs

*7列4950行，然后可以将其写入本地计算机上的文件

---

有关如何处理此问题的任何线索？

使用列表保存所有结果：

results = []
for i in range(runs):
    results.append(model_solve(100))

然后通过以下方式获取输出数组：

np.hstack(results)

---

实际上，如果您的代码有一个更大的循环，您应该始终尝试将问题矢量化。 如果速度很重要，你应该知道“for loops”是一个瓶颈。此外，追加操作非常慢，需要更多内存，因为它会创建副本。因此，更好的解决方案应该是：

results = [0]*runs # if you want to use lists...

[model_solve(100) for x in results] # do see list comprehension in python 

除了使用列表，您还可以直接使用数组来存储结果：

resutls=np.zeros([numberOfRuns,ShapeOfModelResults])

for i in range(numberOfRuns):
    results[numberOfRuns,modelSolve(100)] # this will put the result directly in the matrix

---

我希望我的回答能帮助您编写更快、更清晰的代码

您是在尝试读取Python函数返回的numpy数组，还是如何将Python函数的结果写入文件？@DK如何获取Python函数返回的许多numpy数组，并将它们组合成一个数组。嗯，这太简单了。刚刚做了一个概念验证，这个答案似乎有效，所以我接受了。哪种技术在处理大数据时更高效、更快？如果我们需要循环，有没有办法避免for循环？在python中，列表理解稍微快一点