为什么这个numpy数组操作这么慢？

Question

我是一名Python初学者，正在尝试对两个形状为(1024, 1024)的NumPy二维数组进行平均。像这样做速度很快：

newImage = (image1 + image2) / 2

但是现在这些图像有一个“掩码”，如果某些元素被设置为零，就会使这些元素无效。这意味着如果其中一个元素是零，结果元素也应该是零。我的简单解决方案是：

newImage = numpy.zeros( (1024,1024) , dtype=numpy.int16 )

for y in xrange(newImage.shape[0]):
   for x in xrange(newImage.shape[1]):
      val1 = image1[y][x]  
      val2 = image2[y][x]                            
      if val1!=0 and val2!=0:               
         newImage[y][x] = (val1 + val2) / 2

但这样做真的很慢。我没有计时，但感觉速度慢了大约100倍。

我还尝试过使用lambda表达式和“map”，但这样做并没有返回一个NumPy数组。

Answer 1

在Python中，使用明确的for循环通常效率很低，不仅仅是在处理numpy操作时。幸运的是，我们有更快的方法来解决这个问题。如果内存不是问题，这个解决方案相当不错：

import numpy as np
new_image = np.zeros((1024, 1024), dtype=np.int16)
valid = (image1!=0) & (image2!=0)
new_image[valid] = (image1+image2)[valid]

还有一种使用掩码数组的解决方案，它不会创建数组的副本（它们只是原始image1/2的视图）：

m1 = np.ma.masked_equal(image1, 0)
m2 = np.ma.masked_equal(image2, 0)
new_image = (m1+m2).filled(0)

更新：对于大约1000个非零元素的数组，第一个解决方案的速度似乎是第二个的三倍。

Answer 2

用原生的Python代码来循环处理数据，通常比使用内置的工具要慢很多，因为后者是用快速的C语言循环实现的。我对NumPy不太了解；你能不能用map()这个函数，把你两个输入数组的数据转换成输出？如果可以的话，这样应该会更快。

Answer 3

试试这个：

newImage = numpy.where(np.logical_and(image1, image2), (image1 + image2) / 2, 0)

如果 image1 和 image2 都不等于零，就计算它们的平均值；如果有一个等于零，就返回零。