时间戳

首页 > 解决方案 > 如何设置一个智能单线器来计算非常大的数据？

python - 如何设置一个智能单线器来计算非常大的数据？

问题描述

我用维度 ( ) 屏蔽了纬度 ( Xpos) 和经度 ( ) 数组。Ypos125,800,000

我想计算数组内的纬度和经度差异。这是数组Xpos（Ypos类似）。

 masked_array(  data       = [ [-2.0551843643188477, -2.637551784515381, -2.720881223678589,  ..., 2.2812530994415283, 2.281250476837158, 2.281254768371582 ],
                               [-2.3242127895355225, -2.804257869720459, -2.8825504779815674, ..., 2.2812530994415283, 2.281250476837158, 2.281254768371582 ],
                               [-2.073770523071289, -2.6198980808258057, -2.708889961242676,  ..., 2.2812530994415283, 2.281250476837158, 2.281254768371582 ],
                               ...,
                               [-3.517531633377075, -2.908338785171509, -2.9069409370422363,  ..., 2.2812530994415283, 2.281250476837158, 2.281254768371582 ],
                               [-3.688690662384033, -3.0086288452148438, -3.010164260864258,  ..., 2.2812530994415283, 2.281250476837158, 2.281254768371582 ],
                               [-3.520817518234253, -2.943941116333008, -2.941941738128662,   ..., 2.2812530994415283, 2.281250476837158, 2.281254768371582 ]
                               ],
                mask       = [ [ False, False, False, ..., False, False, False ],
                               [ False, False, False, ..., False, False, False],
                               [ False, False, False, ..., False, False, False],
                               ...,
                               [ False, False, False, ..., False, False, False],
                               [ False, False, False, ..., False, False, False],
                               [ False, False, False, ..., False, False, False]
                               ],
                fill_value = 1e+20,
                dtype      = float32
                )

这是我的代码，它可以工作，但需要很长时间才能计算。

Dist= np.zeros((len(XposApr),len(XposApr[0])))
DiffLon=np.zeros((len(XposApr),len(XposApr[0])))
DiffLat=np.zeros((len(XposApr),len(XposApr[0])))
for i in range (1,len(XposApr),12):
    for j in range (0,len(XposApr[0])):
        DiffLon[i][j]=(XposApr[i][j]-XposApr[i-1][j])
        DiffLat[i][j]=(YposApr[i][j]-YposApr[i-1][j])

我真的不知道如何制作著名的单线，这是我尝试过的，但不起作用：

DistLon = [XposApr[i][j]-XposApr[i-1][j] for i in enumerate (XposApr) and j in enumerate (XposApr[0])]

是否可以制作一个单行代码或其他代码，使计算速度更快？
提前致谢！

标签： pythonarraysperformanceloops

解决方案

是否可以制作一个单行代码或其他代码，使计算速度更快？

语法格式不是实现速度的核心，
智能矢量化或重新制定是：

在光荣的numba团队决定将对掩蔽阵列操作的支持转移到前端之前，缺乏来自numba.jit( ... )(掩蔽阵列支持 #2103 )的 JIT 加速速度

因此，让我们尝试使用numpy-native 步骤：

内部循环可能首先摆脱缓慢的 GIL 驱动运动：

for     i in range ( 1, len( XposApr    ), 12 ):
    #or j in range ( 0, len( XposApr[0] )     ):
        DiffLon[i][:] = ( XposApr[i][:] - XposApr[i-1][:] )
        DiffLat[i][:] = ( YposApr[i][:] - YposApr[i-1][:] )

但是，如果我正确阅读了布局，则可以通过以下方式在两个维度上解决整个问题：

 DiffLon[1:len( XposApr ):12] = ( XposApr[1:len( XposApr   ):12]
                                - XposApr[0:len( XposApr )-1:12]
                                  )
 DiffLat[1:len( XposApr ):12] = ( YposApr[1:len( XposApr   ):12]
                                - YposApr[0:len( XposApr )-1:12]
                                  )

而且我相信@Divakar或@cᴏʟᴅsᴘᴇᴇᴅ，这里真正的numpy大师会准备告诉你更聪明、更有效的切片/矢量化技巧，所以请耐心等待:o)

推荐阅读