Question

我有这个数据立方体包含图像每个像素的数据（非常像高光谱成像）。我试图以有效的方式在图像的每个像素上插入一条线。现在，我这样做：

我的datacube是一个6X1024x1024 numpy数组，我有另一个包含我数据的自变量的变量。

map = np.zeros((1024,1024))
for i in np.mgrid[1:1024]:
    for j in np.mgrid[1:1024]:
        x = independent_variable # This is my independent variable
        y = spec_cube[:,i,j] # The Y data to be fitted is the power at each scale, for a pixel
        index = polyfit(x,y,1) # Outputs the slope and the offset
        map[i,j] = index[0] # The pixel value is the index

我知道嵌套for循环通常是最糟糕的事情，但我想不出更好的方法。

我尝试了以下但是它给出了这个错误：“ValueError：解压缩的值太多了”

map = np.zeros((1024,1024))
for i,j in map:
    x = independent_variable # This is my independent variable
    y = spec_cube[:,i,j] # The Y data to be fitted is the power at each scale, for a pixel
    index = polyfit(x,y,1) # Outputs the slope and the offset
    map[i,j] = index[0] # The pixel value is the index

Answer 1

加快速度的一种方法：使用itertools.product：

for (i, j) in itertools.product(np.mgrid[1:1024], np.mgrid[1:1024]):
    ... stuff ...

改进（Python 2.7.1）：

In [2]: def multiline():
   ...:     for i in np.mgrid[1:1024]:
   ...:         for j in np.mgrid[1:1024]:
   ...:             pass
   ...:        

In [3]: def single_line():
   ...:     for i, j in product(np.mgrid[1:1024], np.mgrid[1:1024]):
   ...:         pass
   ...:    

In [4]: from itertools import product

In [5]: %timeit multiline()
10 loops, best of 3: 138 ms per loop

In [6]: %timeit single_line()
10 loops, best of 3: 75.6 ms per loop

Answer 2

由于循环内部的操作是找到一条直线的斜率，所以我采用了一种不太精确的方法，但是使用了数组运算。基本上，找到我所做的斜率：每个相邻点的ΔY/ΔX，然后平均所有斜率。

原来只需要几分之一秒。

这是新代码：

map = np.zeros((spec_cube.shape[1],spec_cube.shape[2])) # This will be the power index map
x = scale_array
for i in np.mgrid[1:spec_cupe.shape[0]]:
  spec_cube[i-1] = (spec_cube[i]-spec_cube[i-1])/(scale_array[i]-scale_array[i-1])
  map += spec_cube[i-1]
map /= (spec_cube.shape[0]-1)

我的剧本从420s变为9.66s！

优化嵌套循环操作

2 个答案: