减少Python中长for循环的时间

Question

我这边又有个傻问题 ;) 我在处理一个代码片段时遇到了一些问题，变量的长度都是7'700'000：

from numpy import *

for k in range(len(x)):
    if x[k] == xmax:
        xind = -1
    else:
        xind = int(floor((x[k]-xmin)/xdelta))
    if y[k] == ymax:
        yind = -1
    else:
        yind = int(floor((y[k]-ymin)/ydelta))

    arr = append(arr,grid[xind,yind])

所有的变量都是浮点数或整数，除了 arr 和 grid。arr 是一维数组，而 grid 是二维数组。

我的问题是，循环运行起来花了很长时间（几分钟）。有没有人能告诉我，为什么会这么慢？有没有什么建议？即使我试着把 range() 换成 arange()，也只节省了几秒钟。

谢谢。

第一次编辑

抱歉，忘了说我在导入 numpy。

第二次编辑

我在一个二维网格中有一些点。网格的每个单元格都有一个存储的值。我需要找出这些点的位置，并将值应用到一个新的数组中。这就是我的问题和想法。

附言：如果你想更好地理解，可以看看图片。单元格的值用不同的颜色表示。

Answer 1

我怀疑问题可能出在你存储结果的方式上：

arr = append(arr,grid[xind,yind])

关于append的文档说，它返回的是：

一个新的数组，里面包含了原数组arr和添加的values，并且是在axis这个方向上添加的。注意，append并不是在原地操作的：它会分配一个新的数组并填充数据。

这意味着在每次循环中，你都会不断地释放和分配一个越来越大的数组。我建议你提前分配一个合适大小的数组，然后在每次循环中把数据填进去。例如：

arr = empty(len(x))

for k in range(len(x)):
    ...
    arr[k] = grid[xind,yind]

Answer 2

for x_item, y_item in zip(x, y):
    # do stuff.

如果你不想生成一个特别大的额外列表，还有一个叫做 izip 的东西可以用。

Answer 3

你可以试试这样的写法：

import numpy as np
xind = np.floor((x-xmin)/xdelta).astype(int)
yind = np.floor((y-ymin)/ydelta).astype(int)

xind[np.argmax(x)] = -1
yind[np.argmax(y)] = -1

arr = grid[xind,yind]

注意：如果你在使用numpy，别把数组当成Python的列表来用，这样做效率会很低。