Python：从元组列表创建图像的快速方法

Question

我正在做以下事情。在

import numpy as np
import pylab

.....

x = np.zeros([250,200])
for tup in tups:
    x[tup[1],tup[0]] = x[tup[1],tup[0]] + 1
pylab.imshow(x)

在哪里

^{pr2}$

和xi，yi是整数

对于点数较少的tup来说，这很好。对于大量的点~10^6，这需要几个小时。在

你能想出一个更快的办法吗？在

Answer 1

使用numpy，您可以将成对的索引转换为一个平面索引并对其进行bincount：

import numpy as np
import random

rows, cols = 250, 200
n = 1000

tups = [(random.randint(0, rows-1),
         random.randint(0, cols-1)) for _ in range(n)]

x = np.zeros((rows, cols))
for tup in tups:
    x[tup[0],tup[1]] += 1

flat_idx = np.ravel_multi_index(zip(*tups), (rows, cols))
y = np.bincount(flat_idx, minlength=rows*cols).reshape(rows, cols)

np.testing.assert_equal(x, y)

它将比任何循环解决方案都快得多。在

Answer 2

我很容易看到一个小小的改进，而不是下一个：

for tup in tups:
    x[tup[1],tup[0]] = x[tup[1],tup[0]] + 1

试着去做

^{pr2}$

因为这会覆盖相同的内存地址，而不是创建一个新的内存点来放入“旧值+1”（注意：在这种情况下，这可能只会导致边际加速，但是如果你用同样的方法a+=B而不是C=a+B，在a和B分别是大约1gb的numpy ndarray的情况下，这实际上是一个巨大的加速）

你为什么读元组？你不应该首先把它作为一个numpy数组读入，而不是作为元组列表读入，然后改为numpy数组吗？你在哪里创建元组的大列表？如果可以避免这种情况，那么最好是避免元组列表，而不是创建元组列表，然后再交换到numpy解决方案？在

编辑：所以我只想告诉你这个加速，你可以通过+=，同时问为什么你有一个大的元组列表，但这太长了，不能把这两个东西都放在评论中

另一个问题：我假设元组可以有多个重复吗？像

tups = [(1,0), (2,4), (1,0), (1,2), ..., (999, 999), (992, 999)]

所以在你的最终结果中，除了0和1之外还会存在其他值？或者你得到的数组中只有一和零？在