按顺序循环遍历正交索引的有效方法答案

【问题标题】：Efficient way to loop through orthodiagonal indices in order按顺序循环遍历正交索引的有效方法
【发布时间】：2020-06-23 04:24:06
【问题描述】：

我想找到一种更好的方法来按顺序遍历正交索引，我目前正在使用 numpy，但我认为我进行了不必要的函数调用。

import numpy as np

len_x, len_y = 50, 50 #they don't have to equal
index_arr = np.add.outer(np.arange(len_x), np.arange(len_y))

目前，我正在这样循环：

for i in range(np.max(index_arr)):
    orthodiag_indices = zip(*np.where(index_arr == i))
        for index in orthodiag_indices:
            # DO FUNCTION OF index #

我有一个索引元组的任意函数，index 和此循环之外的其他参数。感觉我不需要第二个for 循环，我应该能够在一个循环中完成整个事情。最重要的是，我从zip(*np.where(index_arr == i)) 为每个i 进行了很多函数调用。最有效的方法是什么？

编辑：应该提到该函数按顺序应用于index_arr == i 很重要，即它首先执行 0，然后执行 1，然后执行 2 等（第二个循环的顺序无关紧要）。

编辑 2：我想我想要的是一种获取索引 [(0,0), (0,1), (1,0), (2,0), (1,1), ( 2,0), ...] 有效。我认为我不能应用矢量化函数，因为我正在填充 np.zeros((len_x, len_y)) 数组，然后返回第一次编辑，顺序很重要。

【问题讨论】：

更多可能有用的上下文：“函数”正在填充一个 numpy 数组，该数组在 0 处启动：output_arr = np.zeros((len_x, len_y))，该函数从上方作用于 index 以填充 output_arr .
Related。专门解决此问题的更有效方法可能涉及scipy.ndimage.labelled_comprehension。
嗨，这很好，但也许我没有提供足够的信息。似乎这个解决方案假定数组元素的输出独立。不幸的是，在i=2 填充我的空output_arr 取决于i=1 发生的事情，这取决于i=0。我想如果这就是你的意思，可以对orthodiag_indices 上的函数进行矢量化？
我建议的解决方案确实假设独立。除此之外，还有两种可能的情况可以想到：要么f(n) 仅依赖于f(k) 的实现k<n，要么f(n) 不能从f(0):f(n-1) 确定。在前一种情况下，您可以通过假设 f 仅在 1:(n-1)^2 上取值来模仿独立性。否则，如果不了解更多关于函数f 的信息，就很难设计优化。

标签： python-3.x performance numpy numpy-ndarray

【解决方案1】：

您可以使用tril/triu_indices。由于（前）内部循环的顺序无关紧要，尺寸可以根据需要交换，我假设L>=S：

L,S = 4,3

a0,a1 = np.tril_indices(L,0,S)
b0,b1 = np.triu_indices(S,1)
C0 = np.concatenate([a0-a1,b0+L-b1])
C1 = np.concatenate([a1,b1])
*zip(C0,C1),
# ((0, 0), (1, 0), (0, 1), (2, 0), (1, 1), (0, 2), (3, 0), (2, 1), (1, 2), (3, 1), (2, 2), (3, 2))

【讨论】：

谢谢。这并没有完全遍历整个网格，对于x_dim, y_dim=4,2，最后一个元素应该是(3,1)，而不是遍历“一半网格”。
@ggmp 已修复，但不像以前那么简洁了。

【解决方案2】：

我认为itertools.product() 在这里会派上用场

import itertools as it
x,y = 2,3
a=list(it.product(range(x),range(y))

这给a

[(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2)]

如果您需要它们，那么，

b=np.argsort(np.sum(a,1))
np.array(a)[b]

给出，

array([[0, 0],
   [0, 1],
   [1, 0],
   [0, 2],
   [1, 1],
   [1, 2]])

希望有帮助！

【讨论】：