python - Python非循环方法可根据行和列位置更改数组值

我正在尝试根据列和行的位置更改numpy-array的值，目前正在以这种方式实现：

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

有没有达到相同结果的非循环方式？我知道，如果一个人实现了非循环结构，Python的运行速度通常会更快，但是我无法找到实现方法。

最佳答案

以下是使用mgrid或ogrid或手动创建ogrid生成的相同范围的一些变体。

观察结果：


对于大小为1000的数组，最快的方法比mgrid快三倍以上
使用ogrid或手动，最好分别添加两个范围，从而避免临时出现全尺寸
诸如mgrid或ogrid之类的便利往往要以numpy为代价，实际上手动方法的速度是ogrid的两倍


码：

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))

样品运行：

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