Python 提高元素间差异块的性能

我有一个相当简单的块，它从两个数组中获得两个选定元素之间的绝对值差

import numpy as np

# Input data with proper format.
N_bb, N_cc = np.random.randint(1e5), np.random.randint(1e5)
bb = np.random.uniform(0., 1., N_bb)
cc = np.random.uniform(0., 1., N_cc)

# My actual code repeats this process ~500 times.
all_ds = []
for _ in range(500):

    # An index into cc for each element in bb.
    idx_into_cc = np.random.randint(0, len(cc), len(bb))

    # This is the block I need to make faster.
    aa = []
    for i, b in enumerate(bb):
        aa.append(abs(b - cc[idx_into_cc[i]]))
    d = np.median(aa)

    # Use 'd' before the next iteration, and store the result.
    all_ds.append(some_func(d))

我使用绝对差，因为我需要正值，我也可以使用平方差。

bb

和

cc

数组在整个过程中保持不变，但是

idx\u-into\u-cc

随着每次迭代而变化

---

如何提高这段代码的性能？

我们可以简单地使用矢量化索引来删除内部循环，如下所示-

d = np.median(np.abs(bb-cc[idx_into_cc]))

---

可能在循环开始之前将

aa

初始化为其完整大小，然后使用索引而不是

append

？我可以想象，在引擎盖下更有效地实现这一点。将最后一行替换为

d=np.median（np.abs（bb-cc[idx\u-into\u-cc]）

以删除内环？好吧，这太简单了。现在我很惭愧我没有想到这一点（一定是我在工作的第11个小时…）非常感谢Divakar，你想把你的cmmt变成一个答案吗？矢量化索引？NumPy称之为花式索引；）（简单地说，就是使用数组索引数组）