做一些计量经济学的工作。你知道吗
我经常需要在给定(可能)大量并行数据数组的情况下导出计算变量的多个并行数组。你知道吗
在下面的示例中,我有两个输入数组和两个输出数组,但是想象一下在现实世界中,可能有5-10个输入和输出数组。你知道吗
w,x是输入
y、 z是输出
方法A:
w = [1, -2, 5]
x = [0, 3, 2]
N = len(w)
I = range(N)
y = map(lambda i: w[i] + x[i], I)
z = map(lambda i: w[i] - x[i], I)
方法B:
w = [1, -2, 5]
x = [0, 3, 2]
N = len(w)
I = range(N)
y, z = [], []
for i in I:
y.append(w[i] + x[i])
z.append(w[i] - x[i])
方法C:
w = [1, -2, 5]
x = [0, 3, 2]
y, z = [], []
for w_i, x_i in zip(w, x):
y.append(w_i + x_i)
z.append(w_i - x_i)
方法D:
w = [1, -2, 5]
x = [0, 3, 2]
N = len(w)
I = range(N)
(y, z) = transpose(map(lambda i: [w[i] + x[i], w[i] - x[i]], I))
D似乎是最简洁、可扩展和高效的。但它也是最难读懂的,特别是对于许多变量和复杂的公式。你知道吗
A是我最喜欢的,有一点重复,但是每个VAILABLE构造一个循环是否效率较低?这不会扩展到大数据吗?你知道吗
B与C:我知道C更像python,但B似乎更方便、更简洁,而且随着变量的增加,伸缩性更好。在这两种情况下,我讨厌额外的一行,在那里我必须预先声明变量。你知道吗
总的来说,我对上述任何一种方法都不太满意。我的推理有什么遗漏吗?还是有更好的方法?你知道吗
我认为@Beasley的建议很有效,我建议在上面使用
multiprocessing
,这样输出生成就可以并行进行。你的计算似乎完全可以并行!你知道吗我能提供的东西比这里讨论的技巧更重要: Does python support multiprocessor/multicore programming?
使用numpy。。。它执行C++中的操作,所以它快得多…(特别是如果我们假设您的数组比3个项目大得多)
相关问题 更多 >
编程相关推荐