python - Python 和 numpy 中两个变量循环的列表理解

Question

我必须从函数返回的值x、y创建一个2D numpy数组，以使用matplotlib中的contourf进行绘图，到目前为止我正在使用类似“C”的结构，它似乎是 Python 的效率非常低:

    dim_x = np.linspace(self.min_x, self.max_x, self.step)
    dim_y = np.linspace(self.min_y, self.max_y, self.step)
    X, Y = np.meshgrid(dim_x, dim_y)

    len_x = len(dim_x)
    len_y = len(dim_y)


    a = np.zeros([len_x, len_y], dtype=complex)

    for i, y in enumerate(dim_y):
        for j, x in enumerate(dim_x):
            a[i][j] = aux_functions.final_potential(complex(x, y), element_list)

cs = plt.contourf(X, Y, (a.real), 100)

如何以更 Pythonic 的方式完成此操作？

谢谢!

Answer 1

如果您可以将 final_pottial 重写为矢量化函数，那就太理想了。一个简单且可能过于明显的示例:

>>> dim_x = np.linspace(0, 2, 5)
>>> dim_y = np.linspace(0, 2, 5)
>>> X * Y
array([[ 0.  ,  0.  ,  0.  ,  0.  ,  0.  ],
       [ 0.  ,  0.25,  0.5 ,  0.75,  1.  ],
       [ 0.  ,  0.5 ,  1.  ,  1.5 ,  2.  ],
       [ 0.  ,  0.75,  1.5 ,  2.25,  3.  ],
       [ 0.  ,  1.  ,  2.  ,  3.  ,  4.  ]])

但是，如果您确实不能这样做，您也可以矢量化:

>>> np.vectorize(lambda x, y: x * y + 2)(X, Y)
array([[ 2.  ,  2.  ,  2.  ,  2.  ,  2.  ],
       [ 2.  ,  2.25,  2.5 ,  2.75,  3.  ],
       [ 2.  ,  2.5 ,  3.  ,  3.5 ,  4.  ],
       [ 2.  ,  2.75,  3.5 ,  4.25,  5.  ],
       [ 2.  ,  3.  ,  4.  ,  5.  ,  6.  ]])

就您而言，它可能看起来像这样:

def wrapper(x, y): 
    return aux_functions.final_potential(complex(x, y), element_list)

a = np.vectorize(wrapper)(X, Y)

这可能比嵌套的 for 循环快一点，尽管 python 函数调用的开销会降低 numpy 的效率。在我过去所做的测试中，使用 vectorize 提供了适度的 5 倍加速。 (相比之下，纯 numpy 运算的速度提高了 100 倍或 1000 倍，如 X * Y 示例中所示。)