Python Numpy矢量化而不是for循环

我写了一个函数，当与for循环一起使用时，它太耗时了。它在每次迭代中将numpy向量（10,0）作为行追加。我如何在迭代中使用矢量化numpy解决方案来加快速度

有没有提示为什么下面的vstack数组解决方案比append list解决方案更慢

短暂性脑缺血发作

TIA

np.random.rand（）

设计用于返回所需的任何形状的输出，就像许多其他

numpy

方法一样。所以，不需要将相同长度的列表连接起来。尝试：

r_numbers = np.random.rand(n_iterations, n_cols)

并对所有列进行排序：

np.sort(r_numbers, axis=1)

---

通常，您不希望附加到

numpy

数组。为它们重新分配空间太耗时了。如果您知道

n\u迭代

，您可以这样预先分配：

result_array = np.empty([n_iterations, n_cols]) 

for i in range(n_iterations):
    result_array[i] = sample_func()

---

但是您可以更好地“矢量化”任何位于

sample\u func

中的内容，以接受n-d输入<

python

中的code>for循环速度很慢

numpy

为您提供了许多技巧，可以将

for

循环推入编译的

c

-代码（称为“矢量化”），但在不知道函数中发生了什么的情况下，我们无法帮助您将其矢量化。

一般避免附加

np.sort

允许沿轴排序。list append添加指向现有列表的引用/指针

vstack

使用完整副本创建一个新数组。只需使用它一次就可以连接整个列表数组，而不是以增量的方式。只要您的函数是用Python编写的，并且一次只占用一行，您就没有什么可以做的了。特别是如果它很复杂，那么多次评估该功能所花费的时间将占主导地位。迭代机制，如列表附加，将是一个相对较小的时间消耗。非常感谢。我只想用最简单的函数sample_func来表达这个问题。我的问题是，考虑到这是另一个与随机值无关的更复杂的函数，如何加快上述解的速度。如何用纯numpy解决方案替换for循环？@greg2021

numpy

不适合它。数组不允许有不稳定的长度，不像Python列表（或其他结构），试着找到一种方法来矢量化它（我的意思是找到一个计算所有行的通用规则）。如果你需要不断更新一个列表，我不知道最好的方法，因为它们注定都会很慢。但是你可以尝试更多的事情，比如

np.concatenate

、list comprehension、

append

以及你提出的那些。在大多数情况下，

append

似乎很有希望。

result_array = np.empty([n_iterations, n_cols]) 

for i in range(n_iterations):
    result_array[i] = sample_func()