我目前正在尝试找到一种简单的方法来在Python中对N维数组执行以下操作。为了简单起见,让我们从一个大小为4的一维数组开始。
X = np.array([1,2,3,4])
我想要做的是创建一个新的数组,称为Y,这样:
Y = np.array([1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3])
所以我要做的是创建一个数组Y,这样:
Y[:,i] = np.roll(X[:],-i, axis = 0)
我知道如何使用for循环来做到这一点,但我正在寻找一种更快的方法。我尝试这样做的实际数组是一个三维数组,称为X。我正在寻找的是一种找到数组Y的方法,如下所示:
Y[:,:,:,i,j,k] = np.roll(X[:,:,:],(-i,-j,-k),axis = (0,1,2))
我可以使用itertools.product类和for循环来做这件事,但这样做相当慢。如果有人有更好的方法,请让我知道。我还安装了带有GTX-970的CUPY,所以如果有更快使用CUDA的方法,请告诉我。如果任何人想要更多的上下文,请让我知道。
这是我计算位置空间两点相关函数的原始代码。数组x0是表示实数标量场的n×n×n实数组。函数iterate(j,s)运行j次迭代。每次迭代包括为每个晶格站点在-s和s之间生成一个随机浮点。然后,它计算动作dS中的更改,并以min(1,exp^(-dS))的概率接受更改。
def momentum(k,j,s):
global Gxa
Gx = numpy.zeros((n,n,t))
for i1 in range(0,k):
iterate(j,s)
for i2,i3,i4 in itertools.product(range(0,n),range(0,n),range(0,n)):
x1 = numpy.roll(numpy.roll(numpy.roll(x0, -i2, axis = 0),-i3, axis = 1),-i4,axis = 2)
x2 = numpy.mean(numpy.multiply(x0,x1))
Gx[i2,i3,i4] = x2
Gxa = Gxa + Gx
Gxa = Gxa/k
发布于 2018-07-30 15:38:15
方法#1
我们可以在这里将this idea
扩展到我们的3D
数组情况。因此,只需沿着三个dims连接切片版本,然后使用基于np.lib.stride_tricks.as_strided
的scikit-image's view_as_windows
有效地获得最终输出,作为连接版本的步进视图,如下所示-
from skimage.util.shape import view_as_windows
X1 = np.concatenate((X,X[:,:,:-1]),axis=2)
X2 = np.concatenate((X1,X1[:,:-1,:]),axis=1)
X3 = np.concatenate((X2,X2[:-1,:,:]),axis=0)
out = view_as_windows(X3,X.shape)
方法#2
对于非常大的数组,我们可能想要初始化输出数组,然后重新使用前面方法中的X3
对其进行分片赋值。这种切片过程将比原始滚动更快。它的实现方式是:
m,n,r = X.shape
Yout = np.empty((m,n,r,m,n,r),dtype=X.dtype)
for i in range(m):
for j in range(n):
for k in range(r):
Yout[:,:,:,i,j,k] = X3[i:i+m,j:j+n,k:k+r]
https://stackoverflow.com/questions/51587306
复制相似问题