我有一个嵌套的循环：
import numpy as np
ccounter = np.zeros(shape=(120, 200))
lat_idx = np.random.randint(120, size=4800)
lon_idx = np.random.randint(200, size=(4800, 4800))
for j in range(4800):
for i in range(4800):
ccounter[lat_idx[i], lon_idx[i, j]] +=1
这显然很慢。是否可以避免for循环并将其实现为例如矩阵运算？
这是带有np.bincount-的矢量化方法
# Get matrix extents for output
k = lon_idx.max()+1 # 200 for given sample
n = lat_idx.max()+1 # 120 for given sample
# Get linear index equivalent
lidx = lat_idx[:,None]*k+lon_idx
# Use those indices as bins for binned count. Reshape for final o/p
out = np.bincount(lidx.ravel(),minlength=n*k).reshape(n,k)
为了进一步提高大型阵列的性能，我们可以利用numexpr以下优势lidx：
import numexpr as ne
lidx = ne.evaluate('lat_idx2D*k+lon_idx',{'lat_idx2D':lat_idx[:,None]})
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句