ndarray의 하위 배열에서 작동하는 함수를 벡터화

Question

3D 배열의 각 2D 슬라이스에 기능이 작동했습니다. 성능을 향상시키기 위해 루프를 피하기 위해 함수를 벡터화하는 방법은 무엇입니까? 예를 들어 :

def interp_2d(x0,y0,z0,x1,y1): 
    # x0, y0 and z0 are 2D array 
    # x1 and y1 are 2D array 
    # peform 2D interpolation 
    return z1 

# now I want to call the interp_2d for each 2D slice of z0_3d as following: 
for k in range(z0_3d.shape[2]): 
    z1_3d[:,:,k]=interp_2d(x0, y0, z0_3d[:,:,k], x1, y1) 

Answer 1

이는 interp_2d를 다시 구현하지 않고 벡터화 할 수 없습니다. 그러나 interp_2d을 보간 유형이라고 가정하면 조작은 선형입니다. 즉, lambda z0: interp_2d(x0, y0, z0, x1, y1)은 np.dot(M, z0)과 같습니다. M은 x0, y0, x1 및 y1에 의존하는 일부 (아마 드문 드문) 매트릭스입니다. 지금은 interp_2d 함수를 호출하여 매번 동일한 경우에도 모든 호출에서이 행렬을 암시 적으로 다시 계산합니다. 그 행렬이 한 번 무엇인지 알아 내서 새로운 z0에 여러 번 다시 적용하는 것이 더 효율적입니다. n이 매우 큰

x0 = [0., 1.] 
x1 = 0.3 
z0_2d = "some very long array with shape=(2, n)" 

def interp_1d(x0, z0, x1): 
    """x0 and z0 are length 2, 1D arrays, x1 is a float between x0[0] and x0[1].""" 

    delta_x = x0[1] - x0[0] 
    w0 = (x1 - x0[0])/delta_x 
    w1 = (x0[1] - x1)/delta_x 
    return w0 * z0[0] + w1 * z0[1] 

# The slow way. 
for i in range(n): 
    z1_2d[i] = interp_1d(x0, z0_2d[:,i], x1) 
# Notice that the intermediate products w1 and w2 are the same on each 
# iteration but we recalculate them anyway. 

# The fast way. 
def interp_1d_weights(x0, x1): 
    delta_x = x0[1] - x0[0] 
    w0 = (x1 - x0[0])/delta_x 
    w1 = (x0[1] - x1)/delta_x 
    return w0, w1 

w0, w1 = interp_1d_weights(x0, x1) 
z1_2d = w0 * z0_2d[0,:] + w1 * z0_2d[1:0] 

경우, 100