如何將這段代碼從python循環重寫到numpy向量（for perfomance）？

Question

我有這樣的代碼：

for j in xrange (j_start, self.max_j): 
    for i in xrange (0, self.max_i): 
     new_i = round (i + ((j - j_start) * discriminant)) 
     if new_i >= self.max_i: 
     continue 
     self.grid[new_i, j] = standard[i] 

，我想扔掉緩慢機Python循環，以加快速度。可以使用numpy向量操作，它們非常快。怎麼做？

j_start, self.max_j, self.max_i, discriminant 

int，int，int，float（常量）。

self.grid 

二維numpy數組（self.max_i x self.max_j）。

standard 

一維numpy數組（self.max_i）。

Answer 1

這是一個完整的解決方案，也許這將有所幫助。

jrange = np.arange(self.max_j - j_start) 
joffset = np.round(jrange * discriminant).astype(int) 
i = np.arange(self.max_i) 

for j in jrange: 
    new_i = i + joffset[j] 
    in_range = new_i < self.max_i 
    self.grid[new_i[in_range], j+j_start] = standard[i[in_range]] 

向量化這兩個循環也許是可能的，但我認爲這樣做會很棘手。

我還沒有測試過這個，但我相信它會計算出與您的代碼相同的結果。