Python和numpy中双变量循环的列表理解

我必须使用matplotlib中的contourf从函数return to plot的值x，y创建一个2D numpy数组，到目前为止，我使用的是一个类似“C”的结构，在Python中似乎效率很低：

    dim_x = np.linspace(self.min_x, self.max_x, self.step)
    dim_y = np.linspace(self.min_y, self.max_y, self.step)
    X, Y = np.meshgrid(dim_x, dim_y)

    len_x = len(dim_x)
    len_y = len(dim_y)


    a = np.zeros([len_x, len_y], dtype=complex)

    for i, y in enumerate(dim_y):
        for j, x in enumerate(dim_x):
            a[i][j] = aux_functions.final_potential(complex(x, y), element_list)

cs = plt.contourf(X, Y, (a.real), 100)

如何以一种更为通灵的方式做到这一点

---

谢谢

我不知道这是否会提高您的性能，但有一种方法可用于构建阵列

a

。如果没有一个很好的自包含的示例，那么对其进行计时以了解性能的差异是有点棘手的。e、 g.运行辅助功能需要多长时间。最终电位？如果这个函数很昂贵，那么不管你如何优化它周围的循环

---

另外，我想

a[I，j]

比

a[I][j]

稍微有效一些，但我还没有测试过它。

如果你能将

最终势

重写为一个向量化函数，那就太理想了。一个简单的，也许是太明显的例子：

>>> dim_x = np.linspace(0, 2, 5)
>>> dim_y = np.linspace(0, 2, 5)
>>> X * Y
array([[ 0.  ,  0.  ,  0.  ,  0.  ,  0.  ],
       [ 0.  ,  0.25,  0.5 ,  0.75,  1.  ],
       [ 0.  ,  0.5 ,  1.  ,  1.5 ,  2.  ],
       [ 0.  ,  0.75,  1.5 ,  2.25,  3.  ],
       [ 0.  ,  1.  ,  2.  ,  3.  ,  4.  ]])

但如果你真的不能做到这一点，你也可以

矢量化

：

>>> np.vectorize(lambda x, y: x * y + 2)(X, Y)
array([[ 2.  ,  2.  ,  2.  ,  2.  ,  2.  ],
       [ 2.  ,  2.25,  2.5 ,  2.75,  3.  ],
       [ 2.  ,  2.5 ,  3.  ,  3.5 ,  4.  ],
       [ 2.  ,  2.75,  3.5 ,  4.25,  5.  ],
       [ 2.  ,  3.  ,  4.  ,  5.  ,  6.  ]])

在您的情况下，它可能看起来像这样：

def wrapper(x, y): 
    return aux_functions.final_potential(complex(x, y), element_list)

a = np.vectorize(wrapper)(X, Y)

---

这可能比嵌套的

for

循环快一点，尽管python函数调用的开销会大大降低numpy的效率。在我过去做过的测试中，使用

vectorize

提供了适度的5倍加速。（这与纯numpy操作的100倍或1000倍加速相比，如

X*Y

示例中所示。）

+1用于使用fromfunction。它不会提高性能，但这不是问题，您的

final\u-potential

函数做什么？您要做的是“矢量化”该函数，而不是编写嵌套循环

fromfunction

或

vectorize

都可以，但它们和循环一样效率低下。你能给我指一些关于函数“矢量化”的文档吗？请通读各种

numpy

教程。（例如，另请参见）基本思想是将操作应用于整个数组，而不是单个元素。如果您能给出一个

final_potential

函数的示例，我们可以帮助您了解它。它通常非常简单，但如果您以前没有做过，它可能不会立即变得明显。在某些情况下（例如有限差分方法），它是不可能完成的，但是这是比较少见的。此外，作为一个快速的例子，考虑一个函数，它使用每个项目的<代码> Sin < /C>，如果结果大于0，则乘以2，否则只返回代码> Sin（x）。这可以写成

result=np.sin（x）；result[result>0]*=2

，其中

x

是一个值数组。