Python 使用numpy并行初始化矩阵

发布于06月11日

对于矩阵的每个元素，我都有一个方程式.假设a_i，j=i+j.

有没有一种方法可以使用NumPy为我的矩阵并行地初始化NumPy数组，或者我必须使用线程/其他并行技术？这些元素是相互独立的.

推荐答案

如果你真的想要并行化这个矩阵的初始化，也许还有其他操作，看看Numba.在您的情况下，您可以编写如下内容

import numba as nb
import numpy as np

N = 100

# Initialize memory
a = np.zeros((N,N), dtype=np.int64)

@nb.njit('void(int64[:,::1])', parallel=True, cache=True) #
def initialize_array (a):
    for i in nb.prange(a.shape[0]):
        for j in nb.prange(a.shape[1]):
            a[i,j] = i + j

initialize_array(a)

print(a[4,3]) # 7

这里的prange()表示并行化的循环.但您也可以只使用普通的Pythonrange()，因为Numba循环已经比原始的PythonFor循环快得多.但实际上，您应该只使用Numba来执行更复杂的操作.如果您的目标只是为了避免运行缓慢的Python for循环，那么您也可以这样做

import numba as nb
import numpy as np

N = 100

# Initialize memory
i = np.arange(N).reshape(-1,1)
j = np.arange(N).reshape(1,-1)

a = i + j

print(a[3,4]) # 7

Note that some numpy operations will sometimes use multiple threads.一般来说，如果你想用NumPy数组快速处理问题，你必须学会用矩阵/向量运算而不是用for循环来思考.希望这个能帮上忙！