收集返回NumPy数组的循环结果

Question

我承认自己是个比较基础的Python程序员，正在学习如何解决各种研究问题。在这个过程中，我遇到了一个问题——特别是如何处理循环中的数据返回，而不是通常那种“只返回一个数字”的例子，在这些例子中，你只需将循环的结果加到之前的结果上。

这是我尝试运行的没有循环的脚本的链接： https://gist.github.com/1390355

关键点在于model_solve函数的最后部分：

def model_solve(t):
    # lots of variables set
    params = np.zeroes((n_steps,n_params)
    params[:,0] = beta
    params[:,1] = gamma
    timer = np.arange(n_steps).reshape(n_steps,1)
    SIR = spi.odeint(eq_system, startPop, t_interval)
    output = np.hstack((timer,SIR,params))
    return output

这个部分返回了ODE（常微分方程）积分的结果（spi.odeint），还有一个简单的“我们现在处于哪个时间步？”的计时器，以及两个随机变量的值，这些值以4950行和7列的NumPy数组形式重复了很多次。

不过，我的目标是对两个参数（beta和gamma）进行蒙特卡洛分析，这两个参数的值是随机的。简单来说，我想做一个循环函数，大致是这样的：

def loop_function(runs):
  for i in range(runs):
    model_solve(100)
    # output of those model_solves collected here
  # return collected output

收集到的输出将被写入一个文件。通常，我会让每个model_solve函数将结果写入文件，但这段代码将在PiCloud或其他平台上运行，在这些地方，我不一定能在结果返回到本地机器之前写入文件。因此，我想获取一个巨大的NumPy数组，包含runs乘以7列和4950行的数据——然后可以将其写入我本地机器上的文件。

有没有什么建议可以帮助我解决这个问题？

Answer 1

其实，如果你的代码里有很大的循环，最好尝试把问题“向量化”。如果速度很重要，你需要知道“for循环”会成为一个瓶颈。而且，添加元素的操作非常慢，还会占用更多内存，因为它会创建副本。所以，更好的解决方案应该是：

results = [0]*runs # if you want to use lists...

[model_solve(100) for x in results] # do see list comprehension in python 

除了使用列表，你还可以直接用数组来存储你的结果：

resutls=np.zeros([numberOfRuns,ShapeOfModelResults])

for i in range(numberOfRuns):
    results[numberOfRuns,modelSolve(100)] # this will put the result directly in the matrix

希望我的建议能帮助你写出更快、更清晰的代码。

Answer 2

用一个列表来保存所有的结果：

results = []
for i in range(runs):
    results.append(model_solve(100))

然后通过以下方式获取输出数组：

np.hstack(results)