通过列表理解或映射加速 numpy 数组分配？

Question

我正在尝试将一个小的 2D numpy 数组（“source”）的值添加到一个更大的 2D numpy 数组（“frame”）中，从帧数组中的特定位置开始（“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，阵列非常大（框架阵列形状：5000x8000，源阵列形状：1000x5000）。所以这个过程需要很长时间（大约 15 秒）。

有什么方法可以加快这个过程，无论是通过列表理解、映射还是其他方式？

我已经用多个语句和赋值尝试了这样的列表理解：

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

（改编自线程：How can I do assignments in a list comprehension? 和 Multiple statements in list compherensions in Python?）

但它需要的时间与原来的 for 循环一样长。

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

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

您可以在此处利用 numpy 矢量化而不是循环来获得巨大的加速。这只是计算索引并检查是否超出范围的问题。

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

虽然从技术上讲，这将具有相同的时间复杂度，但 numpy 使用高效的编译 C 代码，可以利用硬件矢量化等功能，并且没有 python 解释器的所有开销。