Question

下面的代码检查python中对象像素的周围像素。

self.surr = [None, None, None, None, None, None, None, None]

for i in range(9):
#for x in range(-1, 2):
    #for y in range(-1, 2):
        if i != 5:
            x = i % 3 - 2
            y = int((i % 3) / 3) - 1

        if x == 0 and y == 0:
            pass
        else:
            PAI = allPixels[(self.x + x) % width][(self.y + y) % height] if allPixels[(self.x + x) % width][(self.y + y) % height] != None else None

        self.surr[(y * 3) + x] = (PAI)

return self.surr

这将返回一个长度为8的列表，其中包含Pixel个对象或None。 allPixels是一个2D数组，它同时保存Pixel个对象或None。我已经尝试了那些被注释掉的嵌套循环，但它们运行的速度比我目前正在使用的方法慢一点。然而，这仍然太慢，就像屏幕上有3000个像素一样，这是屏幕最后会出现的总像素的下限，做数学运算并且每帧都有很多。< / p>

如何使用NumPy或其他方法更快地运行？

如果您想查看整个代码，可以在此处找到：https://pastebin.com/EuutUVjS

感谢你们给我的任何帮助！

Answer 1

你所做的事情本来就需要循环 - 但是如果你可以将循环变成numpy，那么它通常会快5-20倍。

在您的情况下，您尝试做的是将每个像素与其邻居进行比较。你怎么能这样做作为一个阵列范围的操作？简单：将数组与相移的数组进行比较。

这是一个更简单的例子：

>>> a = np.array([1,2,4,8,16])
>>> for i in range(1, len(a)):
...     print(a[i] - a[i-1], end=' ')
1 2 4 8
>>> print(a[1:] - a[:-1])
[1 2 4 8]

因此，对于2D阵列，它只是：

north = a[:-1]
ne = a[:-1,1:]
east = a[:,1:]
se = a[1:,1:]
south = a[1:]
sw = a[1:,:-1]
west = a[:,:-1]
nw = a[:-1,:-1]

请注意，这并不会浪费大量时间或内存来构建8个额外的阵列;它只是在同一个内存上创建了8个视图。

有关使用这些移位数组进行Conway Game of Life模拟的示例，请参阅this answer on compsci。

如果你想以不同的方式处理边界，你可能需要＆＃34;零延伸＆＃34;数组，但这是你可能遇到的唯一复杂性。

但是，如果您在其中存储Python对象，那么您可以从numpy中获得多少好处。通常，您希望存储数字数组。

我不知道你Pixel个对象中的内容，但是让我们假设它们只是颜色值，就像三个花车一样。在这种情况下，您可以使用具有三个浮点数的结构化dtype的2D数组，或者只使用三维数组（按r-g-b逐列），使用NaN值代替None。

如果这样做，阵列范围的操作可以以接近机器本机的速度运行，包括使用SIMD操作实现数据并行。如果你不这样做，只有循环以原生速度发生;循环中的算法仍然和非Numpy Python一样慢。

Answer 2

如果无法以任何其他方式重构，您可以并行完成工作。

您可以使用multiprocessing模块。

FtpClient.GetFileSize

有没有办法用python中更有效的东西替换for循环

2 个答案: