更快的代码numpy答案

【问题标题】：Faster code numpy更快的代码numpy
【发布时间】：2017-12-07 02:53:04
【问题描述】：

我正在用 Matlab 编写一个 Python 脚本。碰巧在 Matlab 中，代码运行得更快（比如少了 10 分钟），所以也许你可以帮我弄清楚我做错了什么。我在 Python 中运行了所有会话，发现最慢的是以下两个：

X = xi * math.cos(theta) + zi * (math.sin(theta))
Y = yi
Z = xi * ((-1) * math.sin(theta)) + zi * (math.cos(theta))

x2 = [a * b * c * X[i] / np.sqrt((a * c * Y[i])**2 + b**2 * (
    c**2 * (X[i])**2 + a**2 * (Z[i])**2)) for i in range(len(X))]
y2 = [a * b * c * Y[i] / np.sqrt((a * c * Y[i])**2 + b**2 * (
    c**2 * X[i]**2 + a**2 * Z[i]**2)) for i in range(len(X))]
zt = c**2 * (1 - (x2 / a)**2 - (y2 / b)**2)
i = 0
z2 = []
for i in range(len(Z)):
    z2.append((-1 if Z[i] < 0 else 1) * np.sqrt(zt[i]))

其中 xi,yi 和 zi 是超过 100 万个元素的 numpy 浮点数

谢谢

【问题讨论】：

(1) 少 10 分钟并不意味着太多。 1对11； 100 对 110？ (2) 做一些真正的分析，也许用 line_profiler。也许包括那个输出 (3) 你真的在那个循环中总结了超过百万个元素吗？ (4) 列表追加在复杂性方面是超慢的（edit: 似乎我在这里错了或不准确；但请尝试以下方法）！预分配一个数组。你现在的大小是先验的！ (5) 最后一行也可以在numpy中向量化。
@sascha: list.append 是摊销常数时间； numpy.append 具有可怕的时间复杂度。
哎呀...我监督了所有那些隐藏的列表理解。这不是使用 numpy 的方法（避免循环和列表理解；尝试处理完整向量）！阅读一些 numpy 文档。您的代码似乎抛弃了所有 numpy 增益！我不会显示一些代码，也许其他人会。为什么？因为我更喜欢代码，我们也可以复制和运行代码（有时还需要了解您正在做的事情的一些背景知识）！在移植 matlab 代码时，您应该已经可以使用更加矢量化的方法（给定 matlab 代码）。然后read this
MATLAB 有很多 jit 编译，可以让您定义快速运行的迭代代码。 numpy 更像是需要“矢量化”整个数组操作的旧 MATLAB。有 numpy 工具来处理迭代，但首先尝试在没有所有这些列表理解的情况下使其工作。他们很慢。
事实上，我在这些列表组合中看不到任何没有开箱即用的矢量化，所以这应该很容易。只需删除方括号、for 语句和所有索引即可。

标签： python performance numpy

【解决方案1】：

对于 z2 部分

In [1]: import numpy as np
In [2]: zz =np.array([1, 2, 3, -1, -2, -3, 0])
In [3]: aa = np.array([1, 2, 3, 4, 5, 6, 64])
In [4]: Z =np.array([1, 2, 3, -1, -2, -3, 0])
In [5]: zt = np.array([1, 2, 3, 4, 5, 6, 64])
In [6]: np.sign(Z) * np.sqrt(zt)
Out[7]: 
array([ 1., 1.41421356, 1.73205081, -2., -2.23606798, -2.44948974, 0. ])

【讨论】：