Question

im试图加快以下代码的速度：

import time
import numpy as np
np.random.seed(10)
b=np.random.rand(10000,1000)
def f(a=1):
    tott=0
    for _ in range(a):
        q=np.array(b)
        t1 = time.time()
        for i in range(len(q)):
            for j in range(len(q[0])):
                if q[i][j]>0.5:
                    q[i][j]=1
                else:
                    q[i][j]=-1
        t2=time.time()
        tott+=t2-t1
    print(tott/a)

如您所见，func主要是关于双循环进行迭代。因此，我尝试使用np.nditer，np.vectorize和map代替它。如果给予一定的加速（除了np.nditer以外，可以提高4-5倍），但是！ np.where(q>0.5,1,-1)的加速几乎是100倍。我如何以np.where的速度遍历numpy数组？而且为什么这么快？

Answer 1

要回答此问题，您可以使用numba库获得相同的速度（100倍加速度）：

from numba import njit

def f(b):
    q = np.zeros_like(b)

    for i in range(b.shape[0]):
        for j in range(b.shape[1]):
            if q[i][j] > 0.5:
                q[i][j] = 1
            else:
                q[i][j] = -1

    return q

@njit
def f_jit(b):
    q = np.zeros_like(b)

    for i in range(b.shape[0]):
        for j in range(b.shape[1]):
            if q[i][j] > 0.5:
                q[i][j] = 1
            else:
                q[i][j] = -1

    return q

比较速度：

普通Python

%timeit f(b)
592 ms ± 5.72 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

Numba（使用LLVM〜C速度实时编译）

%timeit f_jit(b)
5.97 ms ± 105 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

为什么numpy.where比替代品要快得多

1 个答案: