如何在使用 append() 时避免 for 循环答案

【问题标题】：How to avoid for-loop while using append()如何在使用 append() 时避免 for 循环
【发布时间】：2019-09-29 09:34:43
【问题描述】：

首先，我很抱歉我是 python 和 numpy 的绝对初学者。请原谅我的无知。

我有一个 4D 压力测量立方体，其维度是（样本数、时间、y 轴、x 轴），这意味着对于每个样本，我都有一个时空分布的 3D 立方体。我需要收集这个 3D 立方体的压力读数（时间、y 轴、x 轴）并将其存储到每个样本的数组中，仅在坐标满足特定条件的情况下。在改变特定条件时，该数组的大小也会发生变化。所以，我必须使用 append() 来构建这个数组。但是，由于对于 1000 个样本，我必须使用 For-Loop 为每个样本搜索超过一百万个坐标，我编写的代码效率非常低，并且需要大量时间来运行（超过几个小时）。你能帮我写得更有效率吗？

以下是我尝试解决问题的代码。它工作得很好并给出了预期的结果，但它非常慢。

import numpy as np

# Number of sample points in x,y and t-axis
Nx = 101
Ny = 101
Nt = 100
n_train = 1000
target_array = []

for i_train in range (n_train):
    for k in range (Nt):
        for j in range (Ny):
            for i in range (Nx):
                if np.round(np.sqrt((i-np.round(Nx/2))**2+(j-np.round(Ny/2))**2)) == 2*k:
                    target_array.append(Pressure[i_train,k,j,i])

【问题讨论】：

它如何运作良好？您在外部循环中覆盖了 target_array，因此最后它将只包含与 i_train = 999 对应的值。
非常抱歉这个错误，我从我的文件中复制代码时出错了。我已经纠正了。非常感谢您指出这一点。
首先，您可以尝试在（内部）循环之外提取所有可能的（例如np.round(Nx/2)）操作。这将为您带来一些时间改进，但最大因子为 10。然后您可以使用矢量化操作（np 特定）将时间减少到几秒钟（可能）。
非常感谢您的建议。我为我的无知道歉，但您能否详细解释一下这句话：“那么您可以使用向量化操作（特定于 np）将时间减少到几秒钟（可能）”？
@CristiFati 的意思是，您应该尝试使用 numpy 数组的内置功能来执行矢量化操作，而不是依赖 Python 的 for 循环，后者的性能极差。我会尝试为您制定一个解决方案。

标签： python arrays python-3.x numpy for-loop

【解决方案1】：

由于条件涉及索引而不是 4D 数组的值，您可以使用 numpy.meshgrid 对其进行矢量化。

这里 pp 是你的 4D 数组：

iv, jv, kv = np.meshgrid(np.arange(pp.shape[3]), np.arange(pp.shape[2]), np.arange(pp.shape[1]))
selecting = np.round(np.sqrt((iv - np.round(pp.shape[3]/2))**2 + (jv - np.round(pp.shape[2]/2))**2)) == 2*kv
target = pp[:,selecting]

如果我正确理解了您的 4D 数组的组织方式：

meshgrid 创建的数组保存索引以选择在 3 个维度 x、y、t 上的 pp 元素。
selecting 是通过复制您的方程式创建的布尔数组，用于检查哪些坐标满足条件。
target 是 pp 的选择，取 0 轴上满足其他 3 个轴上的条件（即selecting 为 True）的所有元素。

注意target 是一个二维数组，要拥有一个一维数组，请使用target.flatten()。

【讨论】：