减少python中长循环的时间

Question

我身边另一个愚蠢的问题;）我对以下代码片段有一些问题：len（x）= len（y）= 7'700'000：

from numpy import *

for k in range(len(x)):
    if x[k] == xmax:
        xind = -1
    else:
        xind = int(floor((x[k]-xmin)/xdelta))
    if y[k] == ymax:
        yind = -1
    else:
        yind = int(floor((y[k]-ymin)/ydelta))

    arr = append(arr,grid[xind,yind])

除arr和grid外，所有变量都是浮点数或整数。 arr是一维数组，grid是二维数组。

我的问题是需要很长时间才能完成循环（几分钟）。任何人都可以解释一下，为什么这需要这么长时间？有人有什么建议吗？即使我尝试通过range()交换arange()，我也只会节省一些时间。

感谢。

第一次编辑 抱歉。忘了告诉我正在导入numpy

第二次编辑

我在2D网格中有一些要点。网格的每个单元格都存储了一个值。我必须找出该点所具有的位置并将该值应用于新数组。这是我的问题和我的想法。

p.s：如果你想更好地理解它，请看图片。单元格的值用不同的颜色表示。

Answer 1

如下：

import numpy as np
xind = np.floor((x-xmin)/xdelta).astype(int)
yind = np.floor((y-ymin)/ydelta).astype(int)

xind[np.argmax(x)] = -1
yind[np.argmax(y)] = -1

arr = grid[xind,yind]

注意：如果您正在使用numpy，如果您想有效地执行操作，请不要将数组视为python列表。

Answer 2

for x_item, y_item in zip(x, y):
    # do stuff.

如果您不想生成一个巨大的额外列表，还有izip。

Answer 3

除了数据大小之外，我看不出明显的问题。您的计算机能够将所有内容保存在内存中吗？如果没有，你可能会在交换内存中“跳转”，这总是很慢。如果完整数据在内存中，请尝试psyco。它可能会加速你的计算。

Answer 4

我怀疑问题可能与您存储结果的方式有关：

arr = append(arr,grid[xind,yind])

The docs for append说它返回：

  

附加arr的{​​{1}}副本   到values。请注意，axis会这样做   就地不会发生：一个新阵列   分配和填充。

这意味着您将在每次迭代时释放并分配越来越大的数组。我建议在前面分配一个正确大小的数组，然后在每次迭代中用数据填充它。 e.g：

append

Answer 5

x的长度是7百万？我想那就是原因！ 迭代次数达到7百万次，

可能你应该做出另一种循环。 它真的需要循环超过7米？