计算 - numpy python bug

我正在用NumPy做一些计算，通过一个大盒子和一个小盒子之间的Aperture找到Y截距。我在大箱子里有超过100.000个粒子，在小箱子里有大约1000个。这需要花费很多时间。所有self.YD，self.XD都是我正在成倍增长的非常大的数组。计算 - numpy python bug

PS：ind是需要相乘的值的索引。在我的代码之前，我有一个非零的条件。

任何想法如何以更简单的方式做这个计算？

YD_zero = self.oldYD[ind] - ((self.oldYD[ind]-self.YD[ind]) * self.oldXD[ind])/(self.oldXD[ind]-self.XD[ind])

谢谢！

UPDATE

会用乘法，除法，减法和numpy的所有的东西。让它更快？或者如果我可以分割计算。例如。

首先做到这一点：

YD_zero = self.oldYD[ind] - ((self.oldYD[ind]-self.YD[ind])*self.oldXD[ind])

再下一行是：

YD_zero /= (self.oldXD[ind]-self.XD[ind])

任何建议？

更新2

我一直在试图弄清楚这一点，在有一段时间了，但没有太大的进展。我担心的是分母：

self.oldXL[ind]-self.XL[ind] == 0

我得到了一些奇怪的结果。

另一件事是非零功能。我一直在测试它一段时间。有人可以告诉我它几乎和在Matlab中找到的一样吗

来源

2011-07-20 Don Code

是精密显著的损失，如果你尝试修剪点套？ – Wok

我需要有非常准确的数据。 –

更简单，你的意思是在更少的CPU周期？ –

由于所有的计算都是按照元素进行的，因此应该很容易重写Cython中的表达式。这样可以避免在执行oldYD-YD等时创建的所有非常大的临时数组。

另一种可能性是numexpr。

来源

2011-07-20 16:31:47 NPE

如何将两个数组与Numexpr或Cython相乘？你宁愿建议Cython或Numexpr？ –

@theSun：关于乘法的具体问题是什么引起了混淆？至于'Cython'和'numexpr'，后者应该更容易正确。但是，我个人只使用前者，所以'numexpr'周围可能存在一些我不知道的细节。 – NPE

也许我得到了棒的错误结局，但在Numpy中，您可以执行向量化计算。卸下封闭while环，只是执行这个...

YD_zero = self.oldYD - ((self.oldYD - self.YD) * self.oldXD)/(self.oldXD - self.XD)

应该会快很多。

更新：迭代求根使用牛顿迭代法...

unconverged_mask = np.abs(f(y_vals)) > CONVERGENCE_VALUE: 
while np.any(unconverged_mask): 
    y_vals[unconverged_mask] = y_vals[unconverged_mask] - f(y_vals[unconverged_mask])/f_prime(y_vals[unconverged_mask]) 
    unconverged_mask = np.abs(f(y_vals)) > CONVERGENCE_VALUE:

这个代码仅是说明性的，但它显示了如何使用向量化代码的任何功能f应用迭代过程，你可以找到f_prime的衍生物。unconverged_mask意味着当前迭代的结果将只应用于那些尚未收敛的值。

请注意，在这种情况下，不需要迭代，因为我们正在处理直线，牛顿 - 拉夫逊将在第一次迭代中给出正确的答案。你有什么是一个确切的解决方案。

二更新

好了，你不使用牛顿迭代。要一气呵成计算YD_zero（y轴截距），你可以使用，

YD_zero = YD + (XD - X0) * dYdX

其中dYdX是梯度，这似乎是，你的情况，

dYdX = (YD - oldYD)/(XD - oldXD)

我假定XD和YD是粒子的当前x，y值，oldXD和oldYD是粒子的先前x，y值，并且X0是孔的x值URE。

仍然不完全清楚为什么你必须迭代所有的粒子，Numpy可以一次完成所有粒子的计算。

来源

2011-07-20 17:59:18 Brendan

如果您对它进行了矢量化，它还允许您稍后移动到GPU，如果您确实需要速度。 –

我做了矢量化，但我在循环中有很多其他的东西。我认为这比其他事情花费的时间更长。因为我没有这样做，而且速度要快得多。 –

我相信循环不在索引上，而是用于迭代牛顿算法。 – Wok

我肯定会去numexpr。我不知道numexpr能处理指标，但我敢打赌，下面的（或类似的东西）会的工作：

import numexpr as ne 

yold = self.oldYD[ind] 
y = self.YD[ind] 
xold = self.oldXD[ind] 
x = self.XD[ind] 
YD_zero = ne.evaluate("yold - ((yold - y) * xold)/(xold - x)")

来源

2011-07-20 20:01:08 digitaldingo

计算 - numpy python bug

回答

相关问题