Python 加速此代码段

我正在将一段代码从Matlab重写为Python

Matlab代码如下所示：

validIntSize = length(prices1)-125; %valid interval size
interval720s = zeros(validIntSize,120+1);
interval360s = zeros(validIntSize,60+1);
interval180s = zeros(validIntSize,30+1);

for i = 1:intJump:validIntSize
    interval180s(i,:) = [prices1(i:i+29),priceDiff(i+29)]; 
    interval360s(i,:) = [prices1(i:i+59),priceDiff(i+59)]; 
    interval720s(i,:) = [prices1(i:i+119),priceDiff(i+119)];  
end

简而言之，它填充了这个巨大矩阵的行。我是通过Python中的append来实现的，这需要花费太长的时间：

 intervals = []
 for mean in self.means: intervals.append([])

 for i in range(stop_point):
     for idx, mean in enumerate(self.means):
          intervals[idx].append(list(prices1[i:(i+mean)])+[price_diff[i+mean]])

我怀疑这是由于我使用的append方法造成的

另外，在Matlab中大约需要2秒，在Python中大约需要2分钟

p.p.S将我的代码更改为注释中建议的列表理解：

for idx, k_mean in enumerate(self.k_means):
    intervals[idx] = [list(prices1[i:(i+k_mean)])+[price_diff[i+k_mean]] for i in range(stop_point)]

---

不会加速代码。如果你有你想要改进的工作代码，你应该考虑把这些问题放在相反的地方。列表理解能提高速度吗？它意味着将两个不同大小的矩阵相加。例如，将一个

[5 x 1]

矩阵添加到

[5 x 5]

矩阵中，就像它使用MATLAB代码

ii+（0:29）

那样。Numpy还可以做广播。解释如下：

将numpy作为np导入；ii=np.arange（0，validIntSize，intJump）。重塑（-1,1）；interval180s=np.hstack（（prices1[ii+np.arange（0,30）.重塑（1，-1）]，pricesdiff[ii.重塑（1，-1）+29].重塑（-1,1））

超快速。精彩：）谢谢