計算 - numpy python bug

我正在用NumPy做一些計算，通過一個大盒子和一個小盒子之間的Aperture找到Y截距。我在大箱子裏有超過100.000個粒子，在小箱子裏有大約1000個。這需要花費很多時間。所有self.YD，self.XD都是我正在成倍增長的非常大的數組。計算 - numpy python bug

PS：ind是需要相乘的值的索引。在我的代碼之前，我有一個非零的條件。

任何想法如何以更簡單的方式做這個計算？

YD_zero = self.oldYD[ind] - ((self.oldYD[ind]-self.YD[ind]) * self.oldXD[ind])/(self.oldXD[ind]-self.XD[ind])

謝謝！

UPDATE

會用乘法，除法，減法和numpy的所有的東西。讓它更快？或者如果我可以分割計算。例如。

首先做到這一點：

YD_zero = self.oldYD[ind] - ((self.oldYD[ind]-self.YD[ind])*self.oldXD[ind])

再下一行是：

YD_zero /= (self.oldXD[ind]-self.XD[ind])

任何建議？

更新2

我一直在試圖弄清楚這一點，在有一段時間了，但沒有太大的進展。我擔心的是分母：

self.oldXL[ind]-self.XL[ind] == 0

我得到了一些奇怪的結果。

另一件事是非零功能。我一直在測試它一段時間。有人可以告訴我它幾乎和在Matlab中找到的一樣嗎

來源

2011-07-20 Don Code

是精密顯著的損失，如果你嘗試修剪點套？ – Wok

我需要有非常準確的數據。 –

更簡單，你的意思是在更少的CPU週期？ –

由於所有的計算都是按照元素進行的，因此應該很容易重寫Cython中的表達式。這樣可以避免在執行oldYD-YD等時創建的所有非常大的臨時數組。

另一種可能性是numexpr。

來源

2011-07-20 16:31:47 NPE

如何將兩個數組與Numexpr或Cython相乘？你寧願建議Cython或Numexpr？ –

@theSun：關於乘法的具體問題是什麼引起了混淆？至於'Cython'和'numexpr'，後者應該更容易正確。但是，我個人只使用前者，所以'numexpr'周圍可能存在一些我不知道的細節。 – NPE

也許我得到了棒的錯誤結局，但在Numpy中，您可以執行向量化計算。卸下封閉while環，只是執行這個...

YD_zero = self.oldYD - ((self.oldYD - self.YD) * self.oldXD)/(self.oldXD - self.XD)

應該會快很多。

更新：迭代求根使用牛頓迭代法...

unconverged_mask = np.abs(f(y_vals)) > CONVERGENCE_VALUE: 
while np.any(unconverged_mask): 
    y_vals[unconverged_mask] = y_vals[unconverged_mask] - f(y_vals[unconverged_mask])/f_prime(y_vals[unconverged_mask]) 
    unconverged_mask = np.abs(f(y_vals)) > CONVERGENCE_VALUE:

這個代碼僅是說明性的，但它顯示瞭如何使用向量化代碼的任何功能f應用迭代過程，你可以找到f_prime的衍生物。unconverged_mask意味着當前迭代的結果將只應用於那些尚未收斂的值。

請注意，在這種情況下，不需要迭代，因爲我們正在處理直線，牛頓 - 拉夫遜將在第一次迭代中給出正確的答案。你有什麼是一個確切的解決方案。

二更新

好了，你不使用牛頓迭代。要一氣呵成計算YD_zero（y軸截距），你可以使用，

YD_zero = YD + (XD - X0) * dYdX

其中dYdX是梯度，這似乎是，你的情況，

dYdX = (YD - oldYD)/(XD - oldXD)

我假定XD和YD是粒子的當前x，y值，oldXD和oldYD是粒子的先前x，y值，並且X0是孔的x值URE。

仍然不完全清楚爲什麼你必須迭代所有的粒子，Numpy可以一次完成所有粒子的計算。

來源

2011-07-20 17:59:18 Brendan

如果您對它進行了矢量化，它還允許您稍後移動到GPU，如果您確實需要速度。 –

我做了矢量化，但我在循環中有很多其他的東西。我認爲這比其他事情花費的時間更長。因爲我沒有這樣做，而且速度要快得多。 –

我相信循環不在索引上，而是用於迭代牛頓算法。 – Wok

我肯定會去numexpr。我不知道numexpr能處理指標，但我敢打賭，下面的（或類似的東西）會的工作：

import numexpr as ne 

yold = self.oldYD[ind] 
y = self.YD[ind] 
xold = self.oldXD[ind] 
x = self.XD[ind] 
YD_zero = ne.evaluate("yold - ((yold - y) * xold)/(xold - x)")

來源

2011-07-20 20:01:08 digitaldingo

計算 - numpy python bug

回答

相關問題