Python Numpy：有效地应用获取周围单元格的功能

我有一个numpy阵列（势），我想计算电磁场。现在它是我的程序的瓶颈

我有一个数组V维n+2，m+2。我想创建一个数组E维n，m。每个单元的计算是做单元是~： sqrt（（单元格左-单元格右）^2+（单元格上-单元格下）^2） 我想知道是否有一种方法可以将函数应用于整个数组，以避免“for循环”的昂贵计算：

现在我的代码是：

def set_e(self):
    pass
    for i in range(0, n):
        for j in range(0, m):
            self.E[i, j] = self.get_local_e(i, j)

def get_local_e(self, i, j):
    return (
                   ((self.solution[i + 2, j + 1] - self.solution[i, j + 1]) / unt_y) ** 2
                   + ((self.solution[i + 1, j + 2] - self.solution[i + 1, j]) / unt_x) ** 2
           ) ** 0.5

---

感谢对本期感兴趣的人士，可以通过以下方式进行阵列计算：

def set_e(self):
    y_tmp = np.power((self.solution[:-2, 1:-1] - self.solution[2:, 1:-1]) / unt_y, 2)
    x_tmp = np.power((self.solution[1:-1, :-2] - self.solution[1:-1, 2:]) / unt_x, 2)
    self.E = np.power(x_tmp + y_tmp, 0.5)

它解决了我的问题

让我们在这里继续努力。 你的方程有些奇怪，因为它只计算沿一行的梯度，请参见

y\u tmp

。 梯度函数沿所有行和列计算，这就是输入的形状与输出的形状相同

import numpy as np
solution = np.array([[1.0, 2.0, 3.0, 4.0],
                     [3.0, 5.0, 7.0, 9.0],
                     [5.0, 8.0, 11.0, 14.0],
                     [7.0, 11.0, 15.0, 19.0]])
unt_y = 1
unt_x = 1
g = np.gradient(solution, unt_y, unt_x) 

print(g)

a,b = g
c = np.power(a+b, 2.0)
print(c)


def set_e():
    y_tmp = np.power((solution[:-2, 1:-1] - solution[2:, 1:-1]) / unt_y, 2)
    print('y_tmp', y_tmp)
    x_tmp = np.power((solution[1:-1, :-2] - solution[1:-1, 2:]) / unt_x, 2)
    E = np.power(x_tmp + y_tmp, 0.5)
    print(E)

set_e()

---

你如何处理边缘的单元格在我的例子中，单元格边缘是边界条件这基本上就像是

np.gradient（self.solution，（unt_y，unt_x））**2

我想使用这个函数，但我似乎无法使用你的代码行，它说“TypeError:“varargs”不是有效的关键字参数。”我在网上找不到他们同时使用的例子，距离x和y请显示你正在使用的线。梯度（self.solution，（unt_y，unt_x））应该可以工作，也

np.gradient（self.solution，unt_y，unt_x）

我试着用一个简单的例子调试：

将numpy导入为np打印（np.gradient（np.eye（5），1，2））

np.gradient（self.solution，unt_y，unt_x）似乎是可行的，但它会给我一个形状为（2,5,5）的数组。我能做的最简单的是

a，b=np.gradient（np.eye（5），1,2）c=np.power（a+b，2）

请用

自我解决方案的最低示例展示上面的一些工作示例。否则我们不知道你在说什么。