그리드 포인트 데이터의 다차원 ndarray에서 표준 편차 및 기타 통계를 계산해야합니다. 예 :numpypr을 통해 numpy 통계 함수를 최적화하는 방법은 무엇입니까?
import numpy as np
# ... gridded data are read into g1, g2, g3 arrays ...
allg = numpy.array([g1, g2, g3])
allmg = numpy.ma.masked_values(allg, -99.)
sd = numpy.zeros((3, 3315, 8325))
np.std(allmg, axis=0, ddof=1, out=sd)
나는 다양한 웹 사이트에 numexpr.evaluate()에 NumPy와 계산을 포장의 성능 이점을 본 적이 있지만 (numexpr.evaluate에서) (np.std 실행하는 방법이 생각하지 않습니다) (틀 렸으면 고쳐줘). np.std() 호출을 최적화 할 수있는 다른 방법이 있습니까? 현재 내 시스템에서 계산하는 데 약 18 초가 걸립니다. 어떻게 든 더 빨리 처리하기를 원합니다 ...
팁 주셔서 감사합니다. 회신이 늦어 져서 죄송합니다. 마지막 축 트릭이 도움이되지만, 다중 처리가 가장 좋은 해결책이라고 생각합니다. – vulture