使用 numpy 避免 for 循环以加快计算时间

【问题标题】：Avoiding for loops to speed up the computation time with numpy使用 numpy 避免 for 循环以加快计算时间
【发布时间】：2019-10-06 12:58:07
【问题描述】：

我正在使用 1800 x 900 矩阵。对于矩阵中的每个单元格，我都需要做类似的操作，可以用一个例子来描述：

a1b1 a1b2 a1b3 .... a1b900
a2b1 a2b2 ..
.
a1800b1 ... ...   ..a1800b900

对于新矩阵中的每个单元格，我希望它的值等于其左上、上和右上邻居的总和。所以，我想要a2b2 = a1b1 + a1b2 + a1b3。对于顶行，它可以是与当前单元格相同的值。

我可以使用 2 个 for 循环轻松做到这一点，但有没有办法可以将它矢量化以加快整个过程？

【问题讨论】：

Numba 是speed up for loops 的好方法，并且在 Numpy 中运行良好。
使用二维卷积？

标签： python numpy vectorization

【解决方案1】：

你可以像下面这样矢量化它

arr = np.arange(16).reshape(4,4)

arr2 = np.pad(arr, [(1,0), (1,1)], mode="constant")[:-1, :]

result = arr+arr2[:,0:-2]+arr2[:,1:-1]+arr2[:,2:]

说明

np.pad(arr, [(1,0), (1,1)], mode="constant") 在矩阵的左侧、右侧和顶部填充零。 index [:-1, :] 将删除最后一行，有效地将矩阵移动一行
arr2[:,0:-2], arr2[:,1:-1], arr2[:,2:] 将为arr 的每个对应元素提供左上、上和右上元素。如果没有元素，则为 0（在上一步中填充的零）

结果

## arr
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

## result
array([[ 0,  1,  2,  3],
       [ 5,  8, 12, 12],
       [17, 24, 28, 24],
       [29, 40, 44, 36]])

【讨论】：