Python：从元组列表中创建图像的快速方法

Question

我正在做以下事情。

import numpy as np
import pylab

.....

x = np.zeros([250,200])
for tup in tups:
    x[tup[1],tup[0]] = x[tup[1],tup[0]] + 1
pylab.imshow(x)

哪里

tups = [(x1,y1),(x2,y2),....]

和xi ， yi是整数

对于积分较少的tup这很好。 对于大量的点~10 ^ 6，需要数小时。

你能想到更快的方法吗？

Answer 1

我可以很容易地看到一个小的改进，而不是下一个：

for tup in tups:
    x[tup[1],tup[0]] = x[tup[1],tup[0]] + 1

试着做

for tup in tups:
    x[tup[1],tup[0]] += 1

由于这会覆盖相同的内存地址，而不是创建一个新的内存点来放置'旧值+ 1'（注意：在这种情况下，这可能只会导致边际加速，但如果你这样做同样的技巧A + = B而不是C = A + B，在A和B分别是Gb的numpy ndarrays的情况下，它实际上是一个巨大的加速）

你为什么读作元组的东西？ 难道你不应该首先尝试将其作为一个numpy ndarray读取，而不是将其作为元组列表读取而不是更改为numpy数组？ 你在哪里创建那个庞大的元组列表？ 如果可以避免这种情况，那么只是避免元组列表而不是创建元组而不是后来交换到一个numpy解决方案会好得多？

编辑：所以我只是想告诉你这个加速你可以得到+ =，同时问为什么你有一个大的元组列表，但这太长了，不能把这两件事放在评论中

另一个问题：我是否正确假设您的元组可以有多个重复？ 喜欢

tups = [(1,0), (2,4), (1,0), (1,2), ..., (999, 999), (992, 999)]

那么在你的结果中，还会存在除0和1之外的其他值吗？ 或者是你的结果数组中只有1和0的存在？

Answer 2

使用numpy，您可以将您的索引对转换为平面索引并对其进行bincount：

import numpy as np
import random

rows, cols = 250, 200
n = 1000

tups = [(random.randint(0, rows-1),
         random.randint(0, cols-1)) for _ in range(n)]

x = np.zeros((rows, cols))
for tup in tups:
    x[tup[0],tup[1]] += 1

flat_idx = np.ravel_multi_index(zip(*tups), (rows, cols))
y = np.bincount(flat_idx, minlength=rows*cols).reshape(rows, cols)

np.testing.assert_equal(x, y)

它将比任何循环解决方案快得多。