numpy数组遍历的优化

Question

1.考虑以下对numpy.ndarray公司

for ii in xrange(0,(nxTes-2)):
    if ( (xCom-dtaCri-xcTes[ii]) * (xCom-dtaCri-xcTes[ii+1]) ) <= 0.0:
        nxL=ii
    if ( (xCom+dtaCri-xcTes[ii]) * (xCom+dtaCri-xcTes[ii+1]) ) <= 0.0:
        nxR=ii+1

2.xCom、dtaCri和xcTes类型为（）numpy.float64个、浮动和numpy.ndarray公司分别

3.在nyTes和nzTes中重复上面的完整块，即在主算法循环中总共完成三个块。目标是使用来自xcTes的位置数据创建一个窗口大小为dtaCri、中心位于比较点xCom的感兴趣区域

4.以上代码或多或少是Matlab的一个直接端口，其中相同的块以大约3到4倍的速度执行。你知道吗

5岁。问题：是否有可能在执行时间方面优化上面的块？如果有，如何优化？你知道吗

6.到目前为止，我尝试了一些小的调整，比如改变数据类型，使用range（）而不是xrange（），从中我没有看到性能上的明显变化。你知道吗

Answer 1

在以矢量化的方式进入循环并使用切片之前，预先计算这些布尔条件输出，这些切片只是输入数组中的视图，如下-

parte1 = ( (xCom-dtaCri-xcTes[:nxTes-2]) * (xCom-dtaCri-xcTes[1:nxTes-1]) ) <=0.0
parte2 = ( (xCom+dtaCri-xcTes[:nxTes-2]) * (xCom+dtaCri-xcTes[1:nxTes-1]) ) <=0.0

我们可以看到很少有重复的计算。所以，我们可以在那里重新使用-

p = xCom-xcTes[:nxTes-1]
p0 = p - dtaCri
p1 = p + dtaCri
parte1 = p0[:-1]*p0[1:] <= 0.0
parte2 = p1[:-1]*p1[1:] <= 0.0

然后，就用那些胸部在循环-

for ii in xrange(0,(nxTes-2)):
    if parte1[ii]:
        nxL=ii
    if parte2[ii]:
        nxR=ii+1

这样做的目的是在循环内部做最少的工作，并将重点放在性能上。你知道吗

我假设在使用nxL和nxR的循环中有更多的工作要做，否则我们会将值覆盖到这两个变量中。你知道吗