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:Python和numpy中双变量循环的列表理解,python,list,numpy,Python,List,Numpy,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, di
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。