时间戳

首页 > 解决方案 > 如何减少包含 2 个 for 循环的代码的运行时间？

python - 如何减少包含 2 个 for 循环的代码的运行时间？

问题描述

在下面的代码中，2 个 for 循环平均需要大约 0.05 秒才能完成。data是一个 numpy 数组。每个 i, j 单元包含一个元组，其中包含由这些函数定义的 RGB 值。我稍后会使用这些 RGB 值构建图像，并且i, j是x, y像素坐标。

有什么办法可以减少这个操作的时间吗？或者有没有其他更快的方法可以通过将每个像素的 RGB 值指定为某种数学函数来构建图像？

start = time.time()
for i in range (0, 150):
    for j in range(0, 150):
        data[i,j] = [int(math.sin(math.pi*i/300.0)*127.5 + 127.5),
                     int(math.cos(peak)*127.5 + 127.5),
                     int(math.sin(math.pi*j/300.0)*127.5 + 127.5)] 
print ('Time: ', time.time() - start)```

标签： pythonimageperformancenumpyfor-loop

解决方案

您可以使用此处删除所有循环ogrid，而只使用三个计算，一个 for r、g和b.

x, y, z = data.shape
i, j = np.ogrid[:x, :y]

data[..., 0] = (np.sin(np.pi*i/300)*127.5 + 127.5).astype(int)
data[..., 1] = (np.cos(peak)*127.5 + 127.5).astype(int)
data[..., 2] = (np.sin(np.pi*j/300)*127.5 + 127.5).astype(int)

表现

def rgb_vectorized(x, y, peak=1):
    data = np.empty((x, y, 3), dtype=int)
    i, j = np.ogrid[:x, :y]
    data[..., 0] = (np.sin(np.pi*i/300)*127.5 + 127.5).astype(int)
    data[..., 1] = (np.cos(peak)*127.5 + 127.5).astype(int)
    data[..., 2] = (np.sin(np.pi*j/300)*127.5 + 127.5).astype(int)
    return data

def rgb_original(x, y, peak=1):
    data = np.empty((x, y, 3), dtype=int)
    for i in range (x):
        for j in range(y):
            data[i,j] = [int(math.sin(math.pi*i/300.0)*127.5 + 127.5),
                         int(math.cos(peak)*127.5 + 127.5),
                         int(math.sin(math.pi*j/300.0)*127.5 + 127.5)]
    return data

%timeit rgb_vectorized(1000, 1000)
9.85 ms ± 109 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit rgb_original(1000, 1000)
3.4 s ± 27.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

验证

>>> np.array_equal(rgb_vectorized(1000, 1000), rgb_original(1000, 1000))
True

推荐阅读