巨大な配列の隣人の平均を計算するプログラムを加速する

Question

私のプログラムの速度に問題があります。私は巨大な配列の中の4人の隣人の平均を計算したいと思う。ここに私のコードの一部があります。最後の行を変更する方法はありますか？それとも別の配列を使うべきですか？

for a in np.arange(100000): 
    for x in np.arange(size): 
     for y in np.arange(size): 
      if unchangeableflag[x*size+y] == 0: 
       vnew[x*size+y] = (v[(x+1)*size+y] + v[(x-1)*size+y] + v[x*size+y+1] + v[x*size+y-1])/4.0 

Answer 1

ループはまったく必要ありません。 v、vnewとunchangeableflagがsize*sizeエントリを持つ1次元配列であると仮定すると、あなたは

v = v.reshape(size, size) 
vnew = vnew.reshape(size, size) 
unchangeableflag = unchangeableflag.reshape(size, size) 
average = v[1:-1, 2:] 
average += v[1:-1, :-2] 
average += v[2:, 1:-1] 
average += v[-2:, 1:-1] 
average /= 4.0 
vnew[1:-1, 1:-1][unchangeableflag[1:-1, 1:-1] == 0] = average 

を行うことができますしかし、あなたは実際に達成するために何をしようとしていますか？これはあなたが離散ラプラシアンのいくつかのアプリケーションから逃げることができるように疑わしいように見えます。

（これはvは、浮動小数点数が含まれていることを前提としています。V' `のdtypeがサイム整数型である場合、あなたは若干の修正が必要になります。）

Answer 2

不確定ですが、不変の部分を削除できます。

for a in np.arange(100000): 
    for x in np.arange(size): 
     for y in np.arange(size): 
      t = x*size+y 
      if unchangeableflag[t] == 0: 
       vnew[t] = (v[t+size] + v[t-size] + v[t+1] + v[t-1])/4.0 

Answer 3

あなたはscipyのダウンロードのconvolution filterやgeneric_filterを使用して検討すべきです。これは依然として計算集約的ですが、ループ処理よりも高速です。通常、このタイプの平均化を行う場合、中心要素も含まれます。これらのソリューションは、多次元配列にも適用されます。

from scipy import ndimage 
footprint = scipy.array([[0,0.25,0],[0.25,0,0.25],[0,0.25,0]]) 
filtered_array = scipy.convolve(array, footprint) 

OR

from scipy import ndimage 
def myfunction(window): 
    return (window[0,1] + window[1,0] + window[1,2] + window[2,1])/4 
filtered_array = scipy.generic_filter(array, myfunction, size=3)