向量化操作：Python的

Question

我有2D numpy的陣列，我需要兩個嵌套循環遍歷它的每個元素。我想要在嵌套循環的一些量化，但我不斷收到一個錯誤說，

j= np.arange (0,x.shape [1]) 
IndexError: tuple index out of range 

這些都是原來的嵌套循環：

for k in range(A.shape[0]): 
     for j in range(A.shape[1]): 
      A[k,j] = method1(x[k],x[j],a,c0,c1) 

這是我如何試圖基於矢量化，使上這個答案，https://codereview.stackexchange.com/questions/17702/python-numpy-running-15x-slower-than-matlab-am-i-using-numpy-effeciently，

j= np.arange (0, A.shape [1]) 
    for k in range(A.shape[0]): 

      A[k,j] = method1(x[k],x[j],a,c0,c1) 

我試圖改變指數在np.arange，但沒有奏效。

誰能告訴我如何解決這一問題？

謝謝。編輯：通過@ajcr評論，我的錯誤是在這一行，j = np.arange（0，x.shape [1]），我本來應該使用2D數組「A」的列數作爲j = np.arange（0，A.shape [1]），但我錯誤地使用了一維數組x，因此錯誤。它現在工作完美。

Answer 1

這是很難給你一個答案，因爲你沒有提供的功能本身。如果可以對您的計算進行矢量化，這將是一條可行的路線。否則，你可以使用np.vectorize：

import numpy as np 

def my_fun(x,y,a,b): 
    if x > y: 
     return a*x**2 + y 
    else: 
     return b*x**2 + a*y 

vec_fun = np.vectorize(my_fun) 
x = np.random.rand(100000) 
y = np.random.rand(100000) 

%%timeit 
for xx,yy in zip(x,y): 
    my_fun(xx,yy,1,2) 

10圈，最好的3：每圈138毫秒

%%timeit 
    vec_fun(x,y,1,2) 

10圈，最好的3：每循環

65.4毫秒如果你只是循環輸入參數列表，您可以使用multiprocessing.Pool以利用所有核心。

編輯：由於黑貓指出，該np.vectorize功能可能不會加快東西。如果是這種情況，我能想到的唯一解決方案是使用所有內核或切換到Cython。