加速Python中的双循环
发布时间：2020-12-20 13:35:59 所属栏目：Python 来源：网络整理
导读：有没有办法加快从上一次迭代更新其值的双循环？ 在代码中： def calc(N,m): x = 1.0 y = 2.0 container = np.zeros((N,2)) for i in range(N): for j in range(m): x=np.random.gamma(3,1.0/(y*y+4)) y=np.random.normal(1.0/(x+1),1.0/sqrt(x+1)) container
|
有没有办法加快从上一次迭代更新其值的双循环？
在代码中： def calc(N,m):
x = 1.0
y = 2.0
container = np.zeros((N,2))
for i in range(N):
for j in range(m):
x=np.random.gamma(3,1.0/(y*y+4))
y=np.random.normal(1.0/(x+1),1.0/sqrt(x+1))
container[i,0] = x
container[i,1] = y
return container
calc(10,5)
如您所见,内部循环更新变量x和y,而外部循环每次以不同的x值开始.我不认为这是可矢量化的,但也许还有其他可能的改进. 谢谢！ 解决方法
我不认为这会增加任何重要的加速,但如果你一次生成所有的伽玛和正态分布的随机值,你可以保存一些函数调用.
Gamma函数具有scaling property,因此如果从gamma(k,1)分布中绘制值x,则c * x将是从gamma(k,c)分布中绘制的值.类似地,使用正态分布,您可以获取从法线(0,1)分布中绘制的y值,并将其转换为从执行x * s m的法线(m,s)分布中绘制的值.所以你可以按如下方式重写你的函数： def calc(N,2))
nm = N*m
gamma_vals = np.random.gamma(3,1,size=(nm,))
norm_vals = np.random.normal(0,))
for i in xrange(N):
for j in xrange(m):
ij = i*j
x = gamma_vals[ij] / (y*y+4)
y = norm_vals[ij]/np.sqrt(x+1) + 1/(x+1)
container[i,0] = x
container[i,1] = y
return container
如果你的发行版的实际参数有一个更简单的表达式,你实际上可以使用一些精心设计的np.cumprod等形式,并为自己节省循环.我无法弄清楚这样做的方法…… （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |