想了解使用NumPy计算的此代码能否更高效？的新动态吗？本文将为您提供详细的信息，我们还将为您解答关于如何使用numpy的相关问题，此外，我们还将为您介绍关于numpy计算路线距离、NumPy：使用n

想了解使用NumPy计算的此代码能否更高效？的新动态吗？本文将为您提供详细的信息，我们还将为您解答关于如何使用numpy的相关问题，此外，我们还将为您介绍关于numpy计算路线距离、NumPy：使用nditer迭代numpy数组的外部尺寸、Numpy：使用numpy.sort()、numpy.argsort（）获取排序后的值、php – 在HHVM上使用Proxygen或NGINX FastCGI本地套接字是否更高效？的新知识。

• 使用NumPy计算的此代码能否更高效？（如何使用numpy）
• numpy计算路线距离
• NumPy：使用nditer迭代numpy数组的外部尺寸
• Numpy：使用numpy.sort()、numpy.argsort（）获取排序后的值
• php – 在HHVM上使用Proxygen或NGINX FastCGI本地套接字是否更高效？

使用NumPy计算的此代码能否更高效？（如何使用numpy）

在np.where上使用a用1屏蔽非正数，然后用np.log屏蔽：

b = np.log(np.where(a>0,a,1))

输出：

array([0.,0.,0.69314718])

numpy.log作为“ ufunc”，接受参数where和out。因此，一种有效的计算方法如下。

In [6]: a = np.array([-1,1,2])

创建输出数组。

In [7]: b = np.zeros(len(a))

告诉numpy.log仅计算结果a > 0，并将输出放入b。这将返回给定为out的数组，并就地修改out（即b）。

In [8]: np.log(a,where=a > 0,out=b)
Out[8]: array([0.,0.69314718])

In [9]: b
Out[9]: array([0.,0.69314718])

numpy计算路线距离

numpy计算路线距离

觉得有用的话,欢迎一起讨论相互学习~Follow Me

参考文献 enumerate遍历数组 np.diff函数 numpy适用数组作为索引

<font color=purple>标记路线上的点</font>

$$X={X1,X2,X3,X4,X5,X6}$$ $$Xn=(x_n,y_n)$$

import numpy as np
# 适用二维数组表示地图上的六个点
# city_position.shape=(6,2) 表示旅行商经过的路线
city_position=np.array([[1,18],[6,23],[8,64],[7,49],[49,48],[12,36]])

<font color=purple>存储路线上的点</font>

point_x=np.ones((6,1))
point_y=np.ones((6,1))
point_x=city_position[:,0] # 存放路线的横坐标
point_y=city_position[:,1] # 存放路线的纵坐标
# print(point_x)
# print(point_y)
# [ 1  6  8  7 49 12]
# [18 23 64 49 48 36]

<font color=purple>依次计算路线上点之间的距离</font>

$$total_distance=\sum_{n=2}^{n}\sqrt{(x_n-x_{n-1})^2+(y_n-y_{n-1})^2}$$

# 计算路线的距离
total_distance=np.sum(np.sqrt(np.square(np.diff(point_x)) + np.square(np.diff(point_y))))
print("total_distance",total_distance)
print("np.diff(point_x)",np.diff(point_x))
print("np.diff(point_y)",np.diff(point_y))
# total_distance 144.062319447
# np.diff(point_x) [  5   2  -1  42 -37]
# np.diff(point_y) [  5  41 -15  -1 -12]

$$\sqrt{(5^2+5^2)}+\sqrt{(2^2+41^2)}+\sqrt{((-1)^2+(-15)^2)}+\sqrt{(42^2+(-1)^2)}+\sqrt{((-37)^2+(-12)^2)}$$

NumPy：使用nditer迭代numpy数组的外部尺寸

我无法遍历numpy数组的外轴。

import numpy as npa = np.arange(2*3).reshape(2,3)it = np.nditer(a)for i in it:    print i

正如人们所期望的那样：

012345

但是，我希望输出为三分之二，这样我就遍历了外轴：

(0, 1, 2)(3, 4, 5)

我知道可以通过多种方式实现此目标，但是在仔细阅读nditer文档之后，我似乎找不到使用nditer的解决方案。我以此为契机学习nditer。因此，我宁愿不使用其他解决方案，除非它确实更有效或更有效。

答案1

用简单的方式控制迭代比较容易for：

In [17]: aOut[17]: array([[0, 1, 2],       [3, 4, 5]])In [18]: for row in a:    ...:     print(row)    ...:     [0 1 2][3 4 5]

这样做nditer很尴尬。除非您需要cython如页面结尾所述使用广播，否则nditer不会提供任何速度优势。即使有了cython，我的速度也memoryviews超过了nditer。

看看np.ndindex。它创建一个尺寸减小的虚拟数组，并对此进行nditer：

In [20]: for i in np.ndindex(a.shape[0]):    ...:     print(a[i,:])    ...:     [[0 1 2]][[3 4 5]]

得到它了：

In [31]: for x in np.nditer(a.T.copy(), flags=[''external_loop''], order=''F''):    ...:     print(x)[0 1 2][3 4 5]

就像我说的-尴尬

Numpy：使用numpy.sort()、numpy.argsort（）获取排序后的值

获取矩阵排序后的值

print("---------------------np.sort()可得升序后的值-------------------------")
import numpy as np
a = np.array([[4, 3, 5], [1, 2, 1]])
print (a)
print("-----")

b = np.sort(a, axis=1)  # axis=1 表示按行排序，默认升序
print ("b=","\n",b)
print("-----")

a.sort(axis=1)
print ("a=",a)

print("------------np.argsort() 可获取从小到大的值的索引位置-----------------")
a = np.array([4, 3, 1, 2])
j = np.argsort(a)   # argsort 求的是从小到大的值的索引位置，即 j 返回的是索引
print ("j=",j)
print ("a[j]=",a[j])  # 得出从小到大排序后的值

结果图：

php – 在HHVM上使用Proxygen或NGINX FastCGI本地套接字是否更高效？

我们今天的关于使用NumPy计算的此代码能否更高效？和如何使用numpy的分享就到这里，谢谢您的阅读，如果想了解更多关于numpy计算路线距离、NumPy：使用nditer迭代numpy数组的外部尺寸、Numpy：使用numpy.sort()、numpy.argsort（）获取排序后的值、php – 在HHVM上使用Proxygen或NGINX FastCGI本地套接字是否更高效？的相关信息，可以在本站进行搜索。