我正在研究如何加速我的一个函数。该函数由许多大小相同的二维数组调用。我想把它们组合成一个4D和3x3的最后两个维度,然后得到整个数组的特征值
我已经成功地使用了两个嵌套的for
循环来完成它,但是它比我想要的慢了一点,所以有没有什么好的方法来加速代码
def principal(xx, xy, xz, yy, yz, zz):
import numpy as np
xx = np.array(xx)
xy = np.array(xy)
xz = np.array(xz)
yy = np.array(yy)
yz = np.array(yz)
zz = np.array(zz)
size = np.shape(xx)
Princ = np.empty((size[1], size[0], 3, 3))
for j in range(size[1]):
for i in range(size[0]):
Princ[j, i, :, :] = np.array([[xx[i, j], xy[i, j], xz[i, j]],
[xy[i, j], yy[i, j], yz[i, j]],
[xz[i, j], yz[i, j], zz[i, j]]])
Princ = np.linalg.eigvalsh(Princ)
return Princ
import numpy as np
number_arrays_1 = 3
number_arrays_2 = 4
xx = np.ones((number_arrays_1, number_arrays_2))*80
xy = np.ones((number_arrays_1, number_arrays_2))*30
xz = np.ones((number_arrays_1, number_arrays_2))*0
yy = np.ones((number_arrays_1, number_arrays_2))*40
yz = np.ones((number_arrays_1, number_arrays_2))*0
zz = np.ones((number_arrays_1, number_arrays_2))*60
Princ = principal(xx, xy, xz, yy, yz, zz)
print(Princ)
我使用xx = np.array(xx)
进行转换的原因是,在较大的程序中,我将一个数据帧而不是numpy数组传递到函数中
这看起来像一个简单的堆栈和重塑操作:
如果输入已经是数组,则不需要显式调用}应返回numpy值
np.array
^数据帧上的{另一种方法是构建阵列,然后将3x3维度交换到后面。这可能会降低效率,因为第一种方法会使3x3维度相邻,而这一方法不会:
不太相关,但您可以像这样更快地生成阵列:
事实上,如果您的数据允许,您甚至可以在解包时保存:
相关问题 更多 >
编程相关推荐