Jak przyspieszyć iterację na części tablicy numpy

Question

Mam dużą trójwymiarową tablicę w numpy (powiedzmy rozmiar 100x100x100). Chciałbym iterować po prostu jego części wiele razy (około 70% elementów) i mam macierz logiczną, która ma ten sam rozmiar i określa, czy element powinien mieć operację wykonaną czy nie.

My obecny sposób jest najpierw utworzyć macierz „coords” kształtu (n = 3), który zawiera wszystkie współrzędnymi na ich wykonanie operacji, a następnie

for i in np.arange(many_iterations): 
    for j in coords: 
     large_array[j] = do_something(large_array[tuple(j)]) 

Byłoby w rzeczywistości lepiej aby ocenić całą tablicę i dodać dodatkową operację w pętli, aby przetestować tablicę logiczną (pamiętaj, że ocena prawdy jest wykonywana wielokrotnie razy, a nie raz). Moja myśl była, że ​​opłacać w tym przypadku byłoby pozbycie się pętle

large_array = do_something(large_array if condition True) 

Jak będzie to ostatnia linia być wykonane do pracy w tym przypadku?

Answer 1

Można uzyskać lepszą wydajność, najpierw tworząc tablicę wartości logiczne, które określają, gdzie trzeba działać:

big_3d_arr = some 100x100x100 array 
where_to_operate_arr = big_3d_arr < 500 # or whatever your condition is 
big_3d_arr[where_to_operate_arr] = do_something(big_3d_arr[where_to_operate_arr]) 

Coś takiego może działać, ale znowu może trzeba iteracyjne i zrobić logiczną indeksowanie w kawałkach , w zależności od aplikacji.

Answer 2

W zasadzie próbujesz odtworzyć masked arrays. This strona daje dobre wprowadzenie.