python 循环优化

python循环是非常耗时的,所以遇到比较大的数组就要对循环做优化,代码:

python 复制代码
                for i in range(pred_density_up.shape[0]):
                    for j in range(pred_density_up.shape[1]):
                        if pred_density_up[i][j] >= 0.1:
                            points.append([j , i ])

上面的循环是最长见的,但是计算速度比较慢。

那么如何优化呢?

要优化这段代码以提高执行速度,主要思路是减少循环的次数和避免在循环内部进行不必要的操作。在你的代码中,你正在遍历一个二维数组(可能是图像或矩阵的密度预测),并统计那些值大于或等于0.1的元素,同时记录这些元素的坐标。以下是一些优化方法:

方法 1: 使用 NumPy 的向量化操作

NumPy 的向量化操作可以大幅度提高性能,因为它是在 C 层面优化的,并且减少了 Python 循环的开销。

python 复制代码
import numpy as np

# 假设 pred_density_up 是一个 NumPy 数组
mask = pred_density_up >= 0.1
count = np.sum(mask)  # 计算满足条件的元素数量
points = np.argwhere(mask).tolist()  # 获取满足条件的元素的坐标

# 如果需要,可以调整坐标的顺序(假设原始数组是行优先的,但你想要列优先)
points = [[y, x] for x, y in points]

方法 2: 使用列表推导式(对于较小的数据集)

如果数据集不是特别大,列表推导式也可以提供较好的性能,并且代码更简洁。

python 复制代码
points = [[j, i] for i in range(pred_density_up.shape[0]) for j in range(pred_density_up.shape[1]) if pred_density_up[i][j] >= 0.1]
count = len(points)

方法 3: 使用 itertools.product 和 filter

对于想要更函数式编程风格的人来说,可以使用 itertools.product 来生成坐标,然后使用 filter 来筛选满足条件的坐标。

python 复制代码
from itertools import product

# 生成所有坐标
indices = product(range(pred_density_up.shape[0]), range(pred_density_up.shape[1]))
# 筛选满足条件的坐标
points = [[j, i] for i, j in indices if pred_density_up[i][j] >= 0.1]
count = len(points)

性能对比

在大多数情况下,方法 1(使用 NumPy 的向量化操作)将提供最佳的性能,因为它直接利用了 NumPy 的底层优化。对于大型数据集,这种差异尤其明显。

方法 2方法 3 在代码的可读性和简洁性方面有其优势,但在处理大型数据集时可能会较慢。

结论

推荐使用 方法 1 ,因为它既高效又易于理解和维护。如果你的数据集非常小,或者你对性能要求不是非常严格,那么 方法 2方法 3 也是可行的选择。

相关推荐
databook5 小时前
Manim实现闪光轨迹特效
后端·python·动效
Juchecar6 小时前
解惑:NumPy 中 ndarray.ndim 到底是什么?
python
用户8356290780516 小时前
Python 删除 Excel 工作表中的空白行列
后端·python
Json_6 小时前
使用python-fastApi框架开发一个学校宿舍管理系统-前后端分离项目
后端·python·fastapi
数据智能老司机13 小时前
精通 Python 设计模式——分布式系统模式
python·设计模式·架构
数据智能老司机14 小时前
精通 Python 设计模式——并发与异步模式
python·设计模式·编程语言
数据智能老司机14 小时前
精通 Python 设计模式——测试模式
python·设计模式·架构
数据智能老司机14 小时前
精通 Python 设计模式——性能模式
python·设计模式·架构
c8i14 小时前
drf初步梳理
python·django
每日AI新事件14 小时前
python的异步函数
python