减少在Python中进行长for循环的时间

如何解决减少在Python中进行长for循环的时间

| 我这边还有一个愚蠢的问题；）以下代码段的len（x）= len（y）= 7 \'700 \'000有一些问题：

from numpy import *

for k in range(len(x)):
    if x[k] == xmax:
        xind = -1
    else:
        xind = int(floor((x[k]-xmin)/xdelta))
    if y[k] == ymax:
        yind = -1
    else:
        yind = int(floor((y[k]-ymin)/ydelta))

    arr = append(arr,grid[xind,yind])

除

arr

和

grid

外，所有变量均为浮点数或整数。

arr

是一维数组，

grid

是2D数组。 我的问题是循环需要很长时间（几分钟）。谁能解释我，为什么要花这么长时间？有任何建议吗？即使我尝试将ѭ5兑换成ѭ6，也只能节省一秒钟。 谢谢。 第一次编辑 抱歉。忘了告诉我我要汇入

numpy

第二次编辑 我在2D网格中有一些要点。网格的每个单元格都有一个存储的值。我必须找出该点的位置并将该值应用于新数组。那是我的问题和我的想法。 附注：如果您想更好地理解它，请看一下图片。单元格的值用不同的颜色表示。     

解决方法

怎么样：

import numpy as np
xind = np.floor((x-xmin)/xdelta).astype(int)
yind = np.floor((y-ymin)/ydelta).astype(int)

xind[np.argmax(x)] = -1
yind[np.argmax(y)] = -1

arr = grid[xind,yind]

注意：如果您要使用numpy，则要高效执行操作，请勿将数组像python列表一样对待。     ,

for x_item,y_item in zip(x,y):
    # do stuff.

如果您不想生成庞大的额外列表，也可以使用izip。     ,除了数据大小，我看不到明显的问题。您的计算机是否可以将所有内容保存在内存中？否则，您可能正在交换内存中“跳来跳去”，这总是很慢的。如果完整的数据在内存中，请尝试psyco。这可能会大大加快您的计算速度。     ,我怀疑问题可能出在您存储结果的方式上：

arr = append(arr,grid[xind,yind])

append

的文档说它返回：   附有

values

的

arr

副本   至

axis

。注意ѭ11   不能就地发生：新数组是   分配和填充。 这意味着您将在每次迭代中取消分配并分配越来越大的数组。我建议预先分配一个正确大小的数组，然后在每次迭代中填充数据。例如。：

arr = empty(len(x))

for k in range(len(x)):
    ...
    arr[k] = grid[xind,yind]

    ,x的长度是700万？我认为这就是原因！ 迭代发生了700万次， 可能您应该进行另一种循环。 真的需要循环超过7 m次吗？