Question

我需要存储一个大小为n的数组，其值为cos(x)和sin(x)，让我们说

array[[cos(0.9), sin(0.9)],
      [cos(0.35),sin(0.35)],
      ...]

每对cos和sin的论证都是随机选择的。就我一直在改进的情况而言，我的代码是这样的：

def randvector():
""" Generates random direction for n junctions in the unitary circle """
    x = np.empty([n,2])
    theta = 2 * np.pi * np.random.random_sample((n))
    x[:,0] = np.cos(theta)
    x[:,1] = np.sin(theta)
    return x

是否有更短的方式或更有效的方法来实现这一目标？

Answer 1

您的代码足够有效。而且我认为justhalf的回答并不差。

为了有效和简短，这段代码怎么样？

def randvector(n):
    theta = 2 * np.pi * np.random.random_sample((n))
    return np.vstack((np.cos(theta), np.sin(theta))).T

<强>更新

附加cProfile结果。

<强> justhalf的

      5 function calls in 4.707 seconds

Ordered by: standard name

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1    0.001    0.001    4.707    4.707 <string>:1(<module>)
     1    2.452    2.452    4.706    4.706 test.py:6(randvector1)
     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
     1    0.010    0.010    0.010    0.010 {method 'random_sample' of 'mtrand.RandomState' objects}
     1    2.244    2.244    2.244    2.244 {numpy.core.multiarray.array}

<强> OP的

      5 function calls in 0.088 seconds

Ordered by: standard name

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1    0.000    0.000    0.088    0.088 <string>:1(<module>)
     1    0.079    0.079    0.088    0.088 test.py:9(randvector2)
     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
     1    0.009    0.009    0.009    0.009 {method 'random_sample' of 'mtrand.RandomState' objects}
     1    0.000    0.000    0.000    0.000 {numpy.core.multiarray.empty}

<强>雷

      21 function calls in 0.087 seconds

Ordered by: standard name

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1    0.000    0.000    0.087    0.087 <string>:1(<module>)
     2    0.000    0.000    0.000    0.000 numeric.py:322(asanyarray)
     1    0.000    0.000    0.002    0.002 shape_base.py:177(vstack)
     2    0.000    0.000    0.000    0.000 shape_base.py:58(atleast_2d)
     1    0.076    0.076    0.087    0.087 test.py:17(randvector3)
     6    0.000    0.000    0.000    0.000 {len}
     1    0.000    0.000    0.000    0.000 {map}
     2    0.000    0.000    0.000    0.000 {method 'append' of 'list' objects}
     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
     1    0.009    0.009    0.009    0.009 {method 'random_sample' of 'mtrand.RandomState' objects}
     2    0.000    0.000    0.000    0.000 {numpy.core.multiarray.array}
     1    0.002    0.002    0.002    0.002 {numpy.core.multiarray.concatenate}

Answer 2

你的代码对我来说已经很好了，但是还有一些想法。

这是一个单行。它比你的版本略慢。

def randvector2(n):
    return np.exp((2.0j * np.pi) * np.random.rand(n, 1)).view(dtype=np.float64)

我得到这些时间为n = 10000

此致：

1000 loops, best of 3: 716 µs per loop

我的缩短版本：

1000 loops, best of 3: 834 µs per loop

现在如果速度是一个问题，你的方法真的非常好。另一个答案显示了如何使用hstack。这很好用。这是另一个与你的版本略有不同的版本，速度稍快。

def randvector3(n):
    x = np.empty([n,2])
    theta = (2 * np.pi) * np.random.rand(n)
    np.cos(theta, out=x[:,0])
    np.sin(theta, out=x[:,1])
    return x

这给了我时间：

1000 loops, best of 3: 698 µs per loop

如果您可以访问numexpr，则以下内容更快（至少在我的机器上）。

import numexpr as ne
def randvector3(n):
    sample = np.random.rand(n, 1)
    c = 2.0j * np.pi
    return ne.evaluate('exp(c * sample)').view(dtype=np.float64)

这给了我时间：

1000 loops, best of 3: 366 µs per loop

老实说，如果我写这篇文章并不是那些性能不是很高的东西，我会做同样的事情。它使你的意图对读者非常清楚。带有hstack的版本也运行良好。

另一个快速说明：当我运行n = 10的时间时，我的单行版本是最快的。当我做n = 10000000时，快速纯粹的numpy版本是最快的。

Answer 3

您可以使用列表推导使代码更短一点：

def randvector(n):
    return np.array([(np.cos(theta), np.sin(theta)) for theta in 2*np.pi*np.random.random_sample(n)])

但是，正如IanH在评论中提到的那样，这个问题比较慢。事实上，通过我的实验，这个速度慢了5倍，因为它没有利用NumPy矢量化。

所以回答你的问题：

有更短的路吗？

是的，这是我在这个答案中给出的内容，虽然它只缩短了几个字符（但它节省了很多行！）

是否更有效（我相信你的意思是＆＃34;高效＆＃34;）方式？

我相信这个问题的答案，没有过度复杂的代码，是不行的，因为numpy已经优化了矢量化（将cos和sin值分配给数组）

时序

比较各种方法：

OP＆＃39; randvector：0.002131 s

我的randvector：0.013218 s

mskimm＆＃39; s randvector：0.003175 s

所以似乎mskimm的randvector在代码长度效率方面看起来很好= D

在Numpy中创建一系列cos和sin的最有效方法

3 个答案:

时序