我有一百万圈要做。有没有办法更快地处理这个(以及一般的python循环)
import numpy
#in a population of 1000 individuals of the same species, one individual has an advantageous mutation
#before, the average quantity of newborns per each 2 individuals per generation was 2 (no average change in pop)
popN, popM= 999, 1
period= 1000
reproductionDistN=[0.1, 0.2, 0.41, 0.19, 0.1] #expected value= 1.95
reproductionDistM=[0.1, 0.2, 0.39, 0.21, 0.1] #expected value= 2.05
def reproduce(pop, reproductionDist):
newborns=numpy.random.choice(numpy.arange(0,5), p=reproductionDist) #numpy.arange(0,5)=[0, 1, 2, 3, 4]
pop+=newborns
return pop
for t in range(period):
for n in range(popN): popN=reproduce(popN, reproductionDistN)
for m in range(popM): popM=reproduce(popM, reproductionDistM)
print("Population of N:",popN)
print("Population of M:",popM)
通常有两种方法可以加快循环速度:
用numpy数组操作替换python循环通常有助于提高性能
在你的例子中,你有效地做到了
在每次迭代中
所有采样和求和都可以在numpy中完成,无需循环:
在我的机器上,这提供了一个很大的加速(多少取决于
pop
的值,例如大约100)另一方面,如果阵列很大,这可能会浪费大量RAM。在这种情况下,我经常发现通过批量使用numpy来平衡速度和RAM是可行的
相关问题 更多 >
编程相关推荐