我想知道如何才能做到以下几点:
def GetFlux(self, time):
bx = self.GetField("bx", time) * self.wpewce
by = self.GetField("by", time) * self.wpewce
bz = self.GetField("bz", time) * self.wpewce
flux = np.zeros((self.ncells[0]+1,self.ncells[1]+1),"float32", order='FORTRAN')
flux2 = np.zeros((self.ncells[0]+1,self.ncells[1]+1),"float32", order='FORTRAN')
dx = self.dl[0]
dz = self.dl[1]
nx = self.ncells[0]
nz = self.ncells[1]
j = 0
for i in np.arange(1, nx):
flux2[i,0] = flux2[i-1,0] + bz[i-1,0]*dx
flux[1:,0] = flux[0,0] + np.cumsum(bz[:-1,0]*dx)
for j in np.arange(1,nz):
flux2[0,j] = flux2[0,j-1] - bx[0,j-1]*dz
flux[0,1:] = flux[0,0] - np.cumsum(bx[0,:-1]*dz)
for i in np.arange(1,nx):
for j in np.arange(1,nz):
flux2[i,j] = 0.5*(flux2[i-1,j] + bz[i-1,j]*dx) + 0.5*(flux2[i,j-1] - bx[i,j-1]*dz)
return flux2
但是没有两个嵌套的循环,这需要很长的时间。Bx
、Bz
和{
我已经成功地用数组索引和cumsum替换了前两个单循环,但是我无法找到如何替换嵌套循环。在
有什么想法吗?在
谢谢
卷积法是一种很好的方法,但模板的制作方法并不明显。。。 如果这条线
被替换为
^{pr2}$我认为第一个卷积(在通量上)将使用模具[[0,a],[b,0]]。但是,假设a、b、c和d是标量,那么bz和bx的另外两个模板是什么呢?在
有可能使用scipy.ndimage.卷积对于这种问题。也许在scipy中使用一些过滤方法也可以,而且更好,因为它不依赖于scipy.ndimage.卷积在适当的地方工作(我可以想象这在遥远的将来会发生变化)。(编辑:第一作者信号卷积就像纽比卷积,无法执行此操作)
诀窍在于,这个卷积函数可以在适当的地方使用,这样double for循环:
可以替换为(抱歉,需要这么多临时数组…):
^{pr2}$不幸的是,这意味着我们需要分清bx,bz如何进入最终结果,但这种方法避免了产生2的大幂次,而且应该比之前的答案快得多。在
(请注意,numpy卷积函数不允许这种就地使用。)
内环的矢量化相当简单。你有一个基本方程,如下所示:
这个方程可以展开和重写,而不依赖于X[n-1]:
^{pr2}$如果原始代码是这样的:
你可以像这样去掉内部循环:
由于浮点错误,这些值不会完全相同,但足够接近。 从理论上讲,您可以应用相同的过程来消除这两个循环,但这会变得相当复杂,并且根据阵列的形状,可能不会提供太多的性能优势。在
相关问题 更多 >
编程相关推荐