背景信息：我的3D粒子数量很多（N）。对于具有某些属性的所有粒子对[i，j]，我计算一个几何因子c [i，j]。然后，我想总结一个固定i的所有对[i，j]的贡献，并将其称为c [i]（并对所有粒子i重复此过程）。
通常，相关对的数量比N ^ 2小得多，因此使用（numpy），具有（N，N）维数组C的位置[i，j]处具有相关信息，而其他位置有很多零，但在内存使用方面也非常低效。因此，现在我只是将相关对的C [i，j]和形成这些对的粒子存储在一维数组中。
在一个示例中可能最好地说明了这一点：说，我有两对粒子（3,5）和（3,10）组成。从示意图上看，我的变量如下所示（需要重复计算）：
i = [3,3,5,10] #list of particles i that form a pair
j = [5,10,3,3] #corresponding particles j (not used in the later example)
cij = [c35,c310,-c35,-c310] #(with actual numbers in reality)
现在，实际上归结为找到一种有效的矢量化方法来重写以下for循环：
part_list=np.arange(N)
for a in part_list:
cond = np.where(i == a)
ci[a] = np.sum(cij[cond])
我曾想过但想避免的其他解决方案：
a）并行化for循环：不可行b / c这是嵌入在我想在某个时候并行化的外部循环中。
b）用C编写for循环，然后将其包装到Python中：对于这个（希望如此）相当简单的问题，这似乎有点过头了。
您可以通过获得所需的东西np.bincount。如果您的粒子从0开始按顺序编号，则可以简单地执行以下操作：
ci = np.bincount(i, weights= cij)
要查看其作用，请执行以下操作：
>>> i = [3, 3, 5, 10]
>>> j = [5, 10, 3, 3]
>>> cij = [0.1, 0.2, -0.1, -0.2]
>>> np.bincount(i, weights= cij)
array([ 0. , 0. , 0. , 0.3, 0. , -0.1, 0. , 0. , 0. , 0. , -0.2])
如果您不希望所有这些额外的零，则可以执行以下操作：
>>> unq_i, inv_i = np.unique(i, return_inverse=True)
>>> unq_ci = np.bincount(inv_i, weights=cij)
>>> unq_i
array([ 3, 5, 10])
>>> unq_ci
array([ 0.3, -0.1, -0.2])
然后，您可以通过执行以下操作来分配这些唯一值：
ci[unq_i] = unq_ci
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