如何使用样条插值优化 numpy 循环（scipy）答案

【问题标题】：How optimaze a numpy loop with spline interpolate (scipy)如何使用样条插值优化 numpy 循环（scipy）
【发布时间】：2021-11-22 09:18:52
【问题描述】：

我一直在尝试优化 numpy 中的循环。现在循环在 26 秒内运行。我想知道是否可以减少这个时间。

import numpy as np
from scipy import interpolate
import numpy.matlib as matlib


I=10000
T=10000
ct = np.zeros((I,T))
x = matlib.repmat(np.linspace(0,25,I).reshape(I,1),1,T) 
y = np.random.uniform(0, 10, (I,T))
x1 = matlib.repmat(np.linspace(2,20,I).reshape(I,1),1,T) 

tck0 = interpolate.splrep(x[:,0], y[:,0], s=0)
tck1 = interpolate.splrep(x[:,1], y[:,1], s=0)

for t in range(T):
    ct[:,t] = (y[:,t]<=5)*interpolate.splev(x1[:,t], tck0, der=0, ext=0) + \
              (y[:,t]>5)*interpolate.splev(x1[:,t], tck1, der=0, ext=0)

【问题讨论】：

您的代码不清楚。如果您只使用第一个列，那么 X 有 T 列有什么意义？ y[:,t]5 的意义何在？对于这两种情况，您分配的值相同吗？否则你可以简单地说 ct=interpolate.splev(x1, tck0, der=0, ext=0) 在我的电脑上花了大约 10 秒。
你是对的。我修复了代码。
interpolate.splev 可以与 2d x1 一起使用，可以是全部还是子集？提高速度的最佳方法是将 10000 次调用 interpolate.splev 替换为一个或几个。我不知道这是否可能。

标签： python numpy optimization time scipy

【解决方案1】：

您可以使用 splrep 输出构造一个 BSpline 实例，并使用单个矢量化调用而不是 splev 循环。

【讨论】：