Python Non-Loop Способ изменения значений массива в зависимости от положения строки и столбца

Question

Я пытаюсь изменить значения массива numpy-массивов в зависимости от их расположения в столбце и строке и в настоящее время достигаю этого следующим образом:

for r in range(ResultArr2.shape[0]):
    for c in range(ResultArr2.shape[1]):
        ResultArr2[r,c] = ResultArr2[r,c]-r*1000-c*500

Существует ли нецикличный способ достижения того же результата?Я знаю, что Python часто работает быстрее, если реализуется нецикличная структура, но я не мог понять, как это сделать.

Answer 1

Вот несколько вариантов, использующих либо mgrid или ogrid, либо создание вручную тех же диапазонов, которые генерирует ogrid.

Наблюдения:

• для массиваразмер 1000, самый быстрый метод более чем в три раза быстрее, чем mgrid
• с использованием ogrid или вручную, немного лучше добавить два диапазона по отдельности, тем самым избегая временного полноразмерного
• удобства, такие как mgrid или ogrid, как правило, обходятся в numpy, и действительно, ручной метод в два раза быстрее, чем ogrid

Код:

import numpy as np

from timeit import timeit

A = np.arange(1000).reshape(20, 50)

def f():
    B = A.copy()
    m, n = B.shape
    I, J = np.mgrid[:m*1000:1000, :n*500:500]
    B += I+J
    return B

def g():
    B = A.copy()
    m, n = B.shape
    I, J = np.ogrid[:m*1000:1000, :n*500:500]
    B += I+J
    return B

def h():
    B = A.copy()
    m, n = B.shape
    I, J = np.ogrid[:m*1000:1000, :n*500:500]
    B += I
    B += J
    return B

def i():
    B = A.copy()
    m, n = B.shape
    BT = B.T
    BT += np.arange(0, 1000*m, 1000)
    B += np.arange(0, 500*n, 500)
    return B

def j():
    B = A.copy()
    m, n = B.shape
    B += np.arange(0, 1000*m, 1000)[:, None]
    B += np.arange(0, 500*n, 500)
    return B


assert np.all(f()==h())
assert np.all(g()==h())
assert np.all(i()==h())
assert np.all(j()==h())

print(timeit(f, number=10000))
print(timeit(g, number=10000))
print(timeit(h, number=10000))
print(timeit(i, number=10000))
print(timeit(j, number=10000))

Пример прогона:

0.289166528998976    # mgrid                                                                                               
0.25259370900130307  # ogrid 1 step                                                                                               
0.24528862700026366  # ogrid 2 steps                                                                                               
0.09056068700010655  # manual transpose                                                                                             
0.08238107499892067  # manual add dim

Answer 2

Вы можете использовать np.mgrid:

arr = np.random.uniform(size=(5,5))

n_rows, n_cols = arr.shape
r, c = np.ogrid[0:n_rows, 0:n_cols]
arr -= 1000 * r + 500 * c