在numpy数组中使用基于位置的numpy算术

我不太确定如何描述我的问题，但我会尝试。在numpy数组中使用基于位置的numpy算术

我想知道如果numpy的有功能做到这一点：

可以说我有一个二维数组叫做网格：

grid = [ [0,0], 
     [0,0] ]

我也有第二个二维数组称为ALIST：

aList = [ [1,2], 
      [3,4] ]

我想基于第一个数组的索引应用数学到第一个数组。

所以在每次迭代完成的数学是这样的：

grid[i][j] = [(i - aList[k][0]) + (j - aList[k][1])]

目前这样在用Python for循环的方式，昂贵的，所以我需要一个替代。

编辑：更多的澄清，如果我不使用numpy的我会写这样的事：

for i in range(2): 
    for j in range(2): 
     num = 0 
     for k in range(2): 
      num += (i-aList[k][0]) + (j-aList[k][1]) 
     grid[i][j] = num

然而这实在是太大了蟒蛇减缓了我的数据量。

来源

2013-07-02 still learning

能否请您贴上您的脚本的一个小的工作副本？很难解析这里发生的事情。什么是'k'？ – wflynny

如果这真的是你在做的事情，'k'是迭代数，那么注意你的表达式可以简化为'[i + j - c]'其中'c = aList [k] [0] + aList [k] [1]'...... – Floris

对不起，如果我把这个问题弄糊涂了，我知道我在解释这个时会不好。我，j和k都是迭代器。我和j遍历整个二维数组网格。 K遍历数组，网格中每个点处的aList。 –

您的代码可以被复制并大幅加快如下：

i_s = np.arange(2) 
j_s = np.arange(2) 

fast_grid = (i_s + j_s[:, None])*len(aList) - aList.sum()

来源

2013-07-02 20:04:29 Jaime

在numpy数组中使用基于位置的numpy算术

回答

相关问题