时间戳

首页 > 解决方案 > 如何在 OO 中轻松高效地存储 numpy ufuncs 的模拟数据

python - 如何在 OO 中轻松高效地存储 numpy ufuncs 的模拟数据

问题描述

在 jupyter notebook 中，我对资源进行了 OO 建模，但在控制循环中，需要在多个对象上聚合数据，与 ufunc 和类似操作相比效率低下。
为了打包功能，我选择了 OO，但为了高效简洁的代码，我可能必须将数据提取到存储类中（可能）并将所有 ri[0] 行推入二维数组，在本例中为 (2,K)。该类不需要日志，只需要最后的条目。

K = 100
class Resource:

    def __init__(self):
        self.log = np.random( (5,K) )
        # log gets filled during simulation

r0 = Resource()
r1 = Resource()

# while control loop:
    #aggregate control data
    for k in K:
        total_row_0 = r0.log[0][k] + r1.log[0][k]
    #do sth with the totals and loop again

这将大大提高性能，但如果单独存储，我很难将数据链接到类。你会如何处理这个问题？pandas DataFrames、np View 或 Shallow Copy？

[[...] #r0
 [...] ]#r1 same data into one array, efficient but map back to class difficult

标签： pythonnumpyoopjupyter

解决方案

这是我的看法：

import numpy as np

K = 3
class Res:
    logs = 2
    def __init__(self):
        self.log = None

    def set_log(self, view):
        self.log = view

batteries = [Res(),  Res()]
d = {'Res': np.random.random( (Res.logs * len(batteries), K) )}        

for i in range(len(batteries)):
    view = d['Res'].view()[i::len(batteries)][:]
    batteries[i].set_log(view)

print(d)
batteries[1].log[1][2] = 1#test modifies view of last entry of second Res of second log
print(d)

推荐阅读