python - 如何将此代码从python循环重写为numpy向量(以提高性能)？

我有这个密码：

for j in xrange (j_start, self.max_j):
   for i in xrange (0, self.max_i):
      new_i = round (i + ((j - j_start) * discriminant))
      if new_i >= self.max_i:
         continue
      self.grid[new_i, j] = standard[i]

我想通过丢弃慢的本地python循环来加快速度。有可能使用numpy向量运算代替，它们非常快怎么做？

j_start, self.max_j, self.max_i, discriminant

int，int，int，float（常量）。

self.grid

二维numpy阵列（self.max_i x self.max_j）。

standard

一维核阵列（self.max_i）。

最佳答案

这里有一个完整的解决方案，也许会有帮助。

jrange = np.arange(self.max_j - j_start)
joffset = np.round(jrange * discriminant).astype(int)
i = np.arange(self.max_i)

for j in jrange:
    new_i = i + joffset[j]
    in_range = new_i < self.max_i
    self.grid[new_i[in_range], j+j_start] = standard[i[in_range]]

可能两个循环都可以矢量化，但我认为这会很棘手。
我还没有测试过，但我相信它计算的结果和你的代码是一样的。