Python 通过列表理解或映射加快numpy数组分配？

我试图将一个小的2D numpy数组（“源”）的值添加到一个较大的2D numpy数组（“帧”）中，从帧数组中的特定位置（“pos_x”、“pos_y”）开始。现在，我有两个for循环，在每个位置将源值添加到帧值：

for i in range(x):
    for j in range(y):
        frame[pos_x+i][pos_y+j] += source[i][j]

（“x”和“y”是源阵列的形状）

但是，阵列相当大（帧阵列形状：5000x8000，源阵列形状：1000x5000）。所以这个过程需要相当长的时间（约15秒）

有没有办法加快这个过程，通过列表理解、映射或其他方式

我尝试过通过多种语句和作业来理解列表：

frame = [[frame[pos_x+i][pos_y+j] + source[i][j] for j in range(y)] for i in range(x)]

（改编自螺纹：和）

但循环所需的时间与原始循环所需的时间一样长

---

另一个想法是，如果source[i][j]！=0。但是当我试着这么做的时候，花了三倍多的时间（潜在的子问题：知道为什么吗？）

切片在

numpy

中是可变的；因此，您可以执行以下操作：

import numpy as np

A = np.zeros((10,10), int)
B = np.zeros((5,5), int) + 5

A[2:7,2:7] += B

print(A)

---

您可以在这里利用numpy矢量化，而不是循环以获得巨大的加速。这只是计算指数和检查是否超出范围的问题

height, width = source.shape
pos_x2 = pos_x + width
pos_y2 = pos_y + height
#check for possible index out of range
fheight, fwidth = frame.shape
if pos_x2 > fwidth or pos_y2 > fheight:
    print('source out of frame bounds')
else:
    #add `source` to our slice of `frame`
    frame[pos_y:pos_y2, pos_x:pos_x2] += source

---

虽然从技术上讲，这将具有相同的时间复杂性，但numpy使用高效的编译C代码，可以利用硬件矢量化等功能，并且没有python解释器的所有开销。

我认为您发布的代码中有一个输入错误，在第二个代码块中，第二个范围应该是

range（x）

而不是

范围（xs）

，对吗？是的，谢谢（那些是我在更大程序中的旧变量名）。非常感谢！现在效果好多了！你知道有没有什么书、网站或其他东西可以让我通过这样的方式来学习优化代码（特别是关于内存分配、用c扩展等等）？@YohanneSaurus你永远不必像numpy（以及其他类似的库）那样明确地担心内存分配或类似的问题我会帮你处理的。Python经常因为速度慢而名声不佳，因为它有很多开销。您可以编写速度相当快的代码，但有时需要了解引擎盖下实际发生的事情，才能理解为什么有些事情比其他事情慢。我没有“银弹”教程或书，但我通常从不担心只运行一次的代码，但如果有大循环（或嵌套循环），我会尝试找到更快的库。