我编写了以下函数来根据 3 轴加速度计信号 (X,Y,Z) 估计方向
X.shape
Out[4]: (180000L,)
Y.shape
Out[4]: (180000L,)
Z.shape
Out[4]: (180000L,)
def estimate_orientation(self,X,Y,Z):
sigIn=np.array([X,Y,Z]).T
N=len(sigIn)
sigOut=np.empty(shape=(N,3))
sigOut[sigOut==0]=None
i=0
while i<N:
sigOut[i,:] = np.arccos(sigIn[i,:]/np.linalg.norm(sigIn[i,:]))*180/math.pi
i=i+1
return sigOut
用 180000 个样本的信号执行这个函数需要相当长的时间(~2.2 秒)...我知道它不是用“pythonic 方式”编写的...你能帮我优化执行时间吗?
谢谢!
最佳答案
开始方法
使用 broadcasting
后的一种方法, 就像这样 -
np.arccos(sigIn/np.linalg.norm(sigIn,axis=1,keepdims=1))*180/np.pi
进一步优化-I
我们可以使用np.einsum
来替换np.linalg.norm
部分。因此:
np.linalg.norm(sigIn,axis=1,keepdims=1)
可以替换为:
np.sqrt(np.einsum('ij,ij->i',sigIn,sigIn))[:,None]
进一步优化-II
numexpr
module 可以带来进一步的提升,它非常适用于大型数组和涉及 trigonometrical
函数的操作。在我们的例子中是 arcccos
。因此,我们将使用前面优化部分中使用的 einsum
部分,然后在其上使用 numexpr
中的 arccos
。
因此,实现看起来像这样 -
import numexpr as ne
pi_val = np.pi
s = np.sqrt(np.einsum('ij,ij->i',signIn,signIn))[:,None]
out = ne.evaluate('arccos(signIn/s)*180/pi_val')
运行时测试
方法-
def original_app(sigIn):
N=len(sigIn)
sigOut=np.empty(shape=(N,3))
sigOut[sigOut==0]=None
i=0
while i<N:
sigOut[i,:] = np.arccos(sigIn[i,:]/np.linalg.norm(sigIn[i,:]))*180/math.pi
i=i+1
return sigOut
def broadcasting_app(signIn):
s = np.linalg.norm(signIn,axis=1,keepdims=1)
return np.arccos(signIn/s)*180/np.pi
def einsum_app(signIn):
s = np.sqrt(np.einsum('ij,ij->i',signIn,signIn))[:,None]
return np.arccos(signIn/s)*180/np.pi
def numexpr_app(signIn):
pi_val = np.pi
s = np.sqrt(np.einsum('ij,ij->i',signIn,signIn))[:,None]
return ne.evaluate('arccos(signIn/s)*180/pi_val')
时间 -
In [115]: a = np.random.rand(180000,3)
In [116]: %timeit original_app(a)
...: %timeit broadcasting_app(a)
...: %timeit einsum_app(a)
...: %timeit numexpr_app(a)
...:
1 loops, best of 3: 1.38 s per loop
100 loops, best of 3: 15.4 ms per loop
100 loops, best of 3: 13.3 ms per loop
100 loops, best of 3: 4.85 ms per loop
In [117]: 1380/4.85 # Speedup number
Out[117]: 284.5360824742268
280x
在那里加速!
关于python - 代码优化python,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43294474/