Question

我正在尝试将较小的2D numpy数组（“源”）的值添加到较大的2D numpy数组（“ frame”）中，从帧数组中的特定位置（“ pos_x”，“铭文”）。现在，我有两个for循环将源值添加到每个位置的帧值：

for i in range(x):
    for j in range(y):
        frame[pos_x+i][pos_y+j] += source[i][j]

（“ x”和“ y”是源数组的形状）

但是，阵列很大（框架阵列形状：5000x8000，源阵列形状：1000x5000）。因此，此过程需要相当长的时间（约15秒）。

是否有任何方法可以通过列表理解，映射或其他方法来加快此过程？

我已经尝试过使用多个语句和赋值来进行列表理解：

frame = [[frame[pos_x+i][pos_y+j] + source[i][j] for j in range(y)] for i in range(x)]

（根据线程How can I do assignments in a list comprehension?和Multiple statements in list compherensions in Python?改编）

，但是它花的时间与原始for循环一样长。

另一个想法是只允许使用if source[i][j] != 0循环非零值。但是当我尝试这样做时，它花费了三倍的时间（潜在的子问题：为什么知道？）。

Answer 1

切片在numpy中是可变的；因此您可以执行以下操作：

import numpy as np

A = np.zeros((10,10), int)
B = np.zeros((5,5), int) + 5

A[2:7,2:7] += B

print(A)

Answer 2

您可以在这里利用numpy向量化，而无需循环进行大幅加速。只需计算索引并检查是否超出范围即可。

height, width = source.shape
pos_x2 = pos_x + width
pos_y2 = pos_y + height
#check for possible index out of range
fheight, fwidth = frame.shape
if pos_x2 > fwidth or pos_y2 > fheight:
    print('source out of frame bounds')
else:
    #add `source` to our slice of `frame`
    frame[pos_y:pos_y2, pos_x:pos_x2] += source

从技术上讲，这将具有相同的时间复杂度，但numpy使用高效的已编译C代码，可以利用诸如硬件矢量化之类的优势，而没有python解释器的所有开销。

通过列表理解或映射来加速numpy数组分配？

2 个答案: