Question

我是一名公认的非常基本的Python程序员，在我遇到实现各种研究问题的问题时试图学习。而且我遇到了其中一个问题 - 特别是如何处理我返回一堆数据的循环，而不是通常的“输出单个数字”示例，您只需将循环结果添加到之前的所有内容中

以下是我正在尝试运行的非循环脚本的要点：https://gist.github.com/1390355

真正突出的一点是model_solve函数的结束：

def model_solve(t):
    # lots of variables set
    params = np.zeroes((n_steps,n_params)
    params[:,0] = beta
    params[:,1] = gamma
    timer = np.arange(n_steps).reshape(n_steps,1)
    SIR = spi.odeint(eq_system, startPop, t_interval)
    output = np.hstack((timer,SIR,params))
    return output

返回ODE积分位（spi.odeint）的结果以及一个简单的“我们什么时间开始？”计时器和两个随机变量的值基本上是两列，以4950行和7列NumPy数组的形式重复多次，多次。

然而，目标是对具有随机值的两个参数（β和γ）进行蒙特卡罗分析。从本质上讲，我想创建一个循环的函数：

def loop_function(runs):
  for i in range(runs):
    model_solve(100)
    # output of those model_solves collected here
  # return collected output

然后将收集的输出写入文件。通常，我只是让每个model_solve函数将其结果写入文件，但是这段代码将在PiCloud或其他平台上运行，在这个平台上我不一定能够编写文件直到结果返回本地机器。相反，我正在尝试返回一个巨大的NumPy数组runs * 7列和4950行 - 然后可以将其写入本地计算机上的文件。

有关如何处理此问题的任何线索？

Answer 1

使用列表保存所有结果：

results = []
for i in range(runs):
    results.append(model_solve(100))

然后通过以下方式获取输出数组：

np.hstack(results)

Answer 2

实际上，如果你的代码有一个更大的循环，你应该总是尝试对你的问题进行矢量化。如果速度很重要，你应该知道“for loops”是瓶颈。此外，追加操作非常慢并且需要更多内存，因为它会创建副本。因此，更好的解决方案应该是：

results = [0]*runs # if you want to use lists...

[model_solve(100) for x in results] # do see list comprehension in python

除了使用list之外，您还可以直接使用数组来存储结果：

resutls=np.zeros([numberOfRuns,ShapeOfModelResults])

for i in range(numberOfRuns):
    results[numberOfRuns,modelSolve(100)] # this will put the result directly in the matrix

我希望我的回答可以帮助您编写更快更清晰的代码

从返回NumPy Arrays的循环中收集结果

2 个答案: