我写了一个方法，它接受一个整数"n"，并创建一个平方矩阵，其中每个元素的值由它们各自的I，j索引决定.
当我构建一个小矩阵30x30时，它工作得很好，但当我try 做一些更大的事情，比如1000x1000时，它需要很长时间.有没有什么方法可以通过多处理来加速它？
def createMatrix(n):
matrix = []
for j in range(1,n+1):
row = []
for i in range(1,n+1):
value = 1/(i+j-1)
row.append(value)
matrix.append(row)
return np.array(matrix)
由于GIL的存在，在Python中并行两个计算范围为for的循环并非易事.好消息是，您的 case 完全可以矢量化:
def createMatrix(n):
return 1 / (np.arange(n)[None, :] + np.arange(n)[:, None] + 1)
说明:
X[row][column] = 1/(row+column-1)，其中行和列是基于1的np.arange(n)创建可用于行或列的范围[None, :]和[:, None]将其转换为2d数组，1 x n或n x 1numpy然后广播维度，复制行和列索引以匹配维度-因此，添加时隐式平铺到n x n中+1而不是-1根据经验，在numpy数组上使用循环几乎从来都不是一个好主意.矢量化方法(即矩阵形式计算)的速度要快几个数量级.