清单1（原始清单）

[[1,2]， [2,3]， [4,9]， [1,5]， [1,7]， ....]

注意：我刚刚编写了这些数字，但关键是它是一个嵌套列表。这里的问题是我正在对此进行FFT，因此我只想使用两个通道的平均值，这样我想要：

清单2（平均）

[ [1.5]， [2.5]， [6.5]， [3]， [4]， .... ]

所以我这样做了：

averaged_array =  [sum(x)/len(x) for x in original_list]

我假设len（x）是一个恒定时间操作，即使它总是2。

这里的问题是我认为原始列表的长度大于900,000。在我的家用电脑上，我可以在~46秒内平均一次。在我需要用于演示的计算机上需要约121秒。这是一个相当大的增长，坦率地说，它必须在它运行时等待。无论如何，我可以优化它，以便减少它所需的时间吗？

注意：我相信这是一台双核计算机，所以我不能并行运行（我想？）。我可以ssh到服务器（运行一些i7），我已被允许使用..如果我以某种方式ssh'ed并在那里做计算会更好吗？我正在使用的原始计算机是~2 ghz，但是是一个古老的戴尔模型亲戚（几年前的系列）。此外，迈克菲和另一个进程也占用了大约50％的处理，我没有权利杀死这些进程。

如果我这样做：

如何通过SSH在此远程计算机上进行计算？（我正在使用python 2.7并且真的不想安装任何外部库，因为这不是我的计算机而是组织计算机）
我能以某种“顺序”进行计算吗？我认为，当并行执行操作时，您无法维护顺序，因为只要核心处于打开状态就可以进行计算。顺序我的意思是：我希望列表保持原始列表的相同索引的平均值。防爆。 [[1,2]，[3,4]]应该给[[2.5]，[3.5]]不[[3.5]，[2.5]]

Answer 1

对于这类任务，您确实希望使用事实上的标准NumPy模块。该模块以高效的方式处理大型数组（如果您需要，它甚至可以为您进行FFT）。

以下是你如何做到平均值：

>>> a = numpy.array([[1,2], [2,3], [4,9], [1,5], [1,7]])
>>> numpy.average(a, axis=-1)
array([ 1.5,  2.5,  6.5,  3. ,  4. ])

在我的机器上执行100万对数组上的平均值仅需22 ms。

然后可以使用numpy.fft模块完成FFT。

大阵列的优化平均值？

清单1（原始清单）

清单2（平均）

1 个答案: