优化python中的多个嵌套for循环答案

【问题标题】：Optimize multiple nested for loops in python优化python中的多个嵌套for循环
【发布时间】：2012-02-15 15:50:31
【问题描述】：

以下是测试代码，我的实际代码看起来几乎相似，其中我使用原始矩阵而不是随机生成。如何优化这个嵌套的 for 循环。我知道这在 python 中是可能的，但我无法这样做。

import time
import numpy as np

a = 1000
b = 500
sum2,sum3,sum4 = 0
t0 = time.time()

x = np.random.random(a*a).reshape([a,a])

for outer1 in xrange(0,a):
    for inner1 in xrange(0,b):
        for outer2 in xrange(0,a):
            for inner2 in xrange(0, a):
                sum2 += x[outer2][inner2]  #this is not the only operation I have   
        for outer3 in xrange(0,a):
            for inner3 in xrange(0, a):
                 sum3 += x[outer3][inner3] #this is not the only operation I have 
        for outer4 in xrange(0,a):
            for inner4 in xrange(0, a):
                sum4 += x[outer4][inner4] #this is not the only operation I have 

print time.time() - t0
print 'sum2: '+str(sum2)+' sum3: '+str(sum3)+' sum4: '+str(sum4)

我正在使用 python 2.7。谢谢。

【问题讨论】：

您所做的额外计算对优化代码的方式有很大影响。而且，也更有可能是任何瓶颈的原因，而不是这些总和。

标签： python performance optimization for-loop nested-loops

【解决方案1】：

对于 Numpy 数组，优化计算的方法是尽可能使用向量化操作。在您的示例中，由于看起来您正在对每个数组的元素求和，因此您应该保持数组一维并直接使用 sum 函数：

x = np.random.random(a*a)
sum2 = x.sum()

等等。

同样，对于您的实际代码，您需要将循环转换为矢量化操作。在不知道您的实际计算是什么的情况下，我无话可说。

【讨论】：

【解决方案2】：

正如您的代码所示，sum2 仅取决于值 outer2 和 inner2，这是在两个变量为 outer1 和 inner1 的循环中完成的。在您粘贴的代码中，您可以简单地省略 2 个外部循环（outer1 和 inner1），而是将 sum2 的值乘以 a*b。这消除了两个循环并用应该更快的乘法替换它们。

我不知道您的实际代码是否也可以这样做，但在您发布的代码中，应该可以。

【讨论】：