加速Python中的双循环

概述有没有办法加快从上一次迭代更新其值的双循环？ 在代码中： def calc(N, m): x = 1.0 y = 2.0 container = np.zeros((N, 2)) for i in range(N): for j in range(m): x=np.random.gamma(3,1.0/(y*y+4)) y 有没有办法加快从上一次迭代更新其值的双循环？

在代码中：

def calc(N,m):    x = 1.0    y = 2.0    container = np.zeros((N,2))    for i in range(N):      for j in range(m):        x=np.random.gamma(3,1.0/(y*y+4))        y=np.random.normal(1.0/(x+1),1.0/sqrt(x+1))      container[i,0] = x      container[i,1] = y    return containercalc(10,5)

如您所见,内部循环更新变量x和y,而外部循环每次以不同的x值开始.我不认为这是可矢量化的,但也许还有其他可能的改进.

谢谢！

解决方法 我不认为这会增加任何重要的加速,但如果你一次生成所有的伽玛和正态分布的随机值,你可以保存一些函数调用.

Gamma函数具有scaling property,因此如果从gamma(k,1)分布中绘制值x,则c * x将是从gamma(k,c)分布中绘制的值.类似地,使用正态分布,您可以获取从法线(0,1)分布中绘制的y值,并将其转换为从执行x * s m的法线(m,s)分布中绘制的值.所以你可以按如下方式重写你的函数：

def calc(N,2))    nm = N*m    gamma_vals = np.random.gamma(3,1,size=(nm,))    norm_vals = np.random.normal(0,))    for i in xrange(N):        for j in xrange(m):            ij = i*j            x = gamma_vals[ij] / (y*y+4)            y = norm_vals[ij]/np.sqrt(x+1) + 1/(x+1)        container[i,0] = x        container[i,1] = y    return container

如果你的发行版的实际参数有一个更简单的表达式,你实际上可以使用一些精心设计的np.cumprod等形式,并为自己节省循环.我无法弄清楚这样做的方法……

总结

以上是内存溢出为你收集整理的加速Python中的双循环全部内容，希望文章能够帮你解决加速Python中的双循环所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。