Python 在大型numpy阵列上运行ndnumerate的更快方法

嗨，我想加快我的计算速度，使用此ndnumerate循环非常慢：

下面的循环通过一个numpy数组，对每个单元格进行一些数学运算，但忽略-9999值，使它们保持不变

my_array = np.array([[-9999, 1, 1],
             [2, 2, -9999],
             [3, 3, 3]])

# Intialise two empty arrays
1_d = np.empty_like(my_array, dtype = float)
3_d = np.empty_like(my_array, dtype = float)

start = time.time()

for [x, y], value in np.ndenumerate(my_array):
     if value >= 0:
         1_d[x, y] = value - (20 * (100 - value)) / ((100 - value) + math.exp(2.533 - 0.0636 * (100 - value)))

         3_d[x, y] = value * math.exp(0.00673 * (100 - value))
    else:
        1_d[x, y] = -9999
        3_d[x, y] = -9999

print "Calculating numbers took " + str(round(time.time() - start,2)) + "s.")

---

您不应该对循环执行此操作，而应该使用numpy数组的矢量化特性，因为在这种情况下这是完全可能的：

a1_d = my_array - (20 * (100 - my_array)) / ((100 - my_array) + np.exp(2.533 - 0.0636 * (100 - my_array)))
a3_d = my_array * np.exp(0.00673 * (100 - my_array))

要恢复-9999值，可以执行以下操作：

a1_d[my_array == -9999] = -9999
a3_d[my_array == -9999] = -9999

或者另一种选择是使用

np.nan

而不是-9999，它只会传播：

my_array = my_array.astype(float)
my_array[my_array == -9999] = np.nan

或者，另一个选项是在计算过程中执行布尔索引：

valid = (my_array != -9999)
a1_d[valid] = my_array[valid] * ...
a3_d[~valid] = -9999

---

对于这个小示例阵列，使用For循环（使用

%%timeit

）需要70µs而不是260µs。

您可以使用

屏蔽阵列

：

import numpy as np

my_array = np.array([[-9999, 1, 1],
             [2, 2, -9999],
             [3, 3, 3]])

value = np.ma.masked_values(my_array, -9999)
d1 = value - (20 * (100 - value)) / ((100 - value) + np.exp(2.533 - 0.0636 * (100 - value)))
d3 = value * np.exp(0.00673 * (100 - value))

---

非常感谢，我确实尝试过你提到的方式，我对numpy还是个新手，所以很难处理-9999值。