[英]Is there any way I can iterate through an array faster than a for loop?
我正在编写一个代码,将天文图上的像素通量与另一图上的相应区域进行比较。 两个映射都是数据的numpy数组。
为此,我需要将第一张地图(Av)上的像素索引转换为天空坐标上的等效像素索引,然后将那些天空坐标转换为第二张地图(CO)上等效的像素索引。 然后,我缩放第二张图的通量以匹配第一张图的值。 之后,我必须继续处理数据。
问题在于,由于第一张地图上有数千个像素,因此代码要花很长时间才能完成应有的工作,这对于排除故障很麻烦。 我发现这部分代码中最慢的是for循环。
有什么方法可以遍历numpy数组,能够处理索引并从每个像素计算数据,而又比for循环快? 有没有更好的方法可以做到这一点?
用伪代码,我的代码是这样的:
for pixel i,j in 1st map:
sky_x1,sky_y1 = pixel_2_skycoord(i,j)
i2,j2 = skycoord_2_pixel(sky_x1,sky_y1)
Avmap.append(Avflux[i,j])
COmap.append(COflux[i2,j2]*scale)
实际的代码是:
for i in xrange(0,sAv_y-1):
for j in xrange(0,sAv_x-1):
if not np.isnan(Avdata[i,j]):
y,x=wcs.utils.skycoord_to_pixel(wcs.utils.pixel_to_skycoord(i,j,wAv,0),wcs=wCO)
x=x.astype(int)+0 #the zero is because i don't understand the problem with numpy but it fixes it anyway
y=y.astype(int)+0 #i couldn't get the number from an array with 1 value but adding zero resolves it somehow
COflux=COdata[x,y]
ylist.append(Avdata[i,j])
xlist.append(COflux*(AvArea/COArea))
罪魁祸首是两个for循环。 Numpy具有许多功能,这些功能阻止使用for循环来允许快速编译的代码。 诀窍是向量化您的代码。
您可以查看numpy的meshgrid
函数,以将该数据转换为矢量化形式,然后可以使用诸如SO这样的问题将任意函数应用于该矢量。
类似于以下内容:
x_width = 15
y_width = 10
x, y = np.meshgrid(range(x_width), range(y_width))
def translate(x, y, x_o, y_o):
x_new = x + x_o
y_new = y + y_o
return x_new, y_new
x_new, y_new = translate(x, y, 3, 3)
x_new[4,5], y[4,5]
(8, 4)
您必须避免循环,并在基础C代码中以Numpy或Astropy进行大量计算,以进行天空/像素转换。 使用astropy.wcs
有多种选择。
第一个是使用SkyCoord
。 首先,为像素索引创建一个值网格:
In [30]: xx, yy = np.mgrid[:5, :5]
...: xx, yy
Out[30]:
(array([[0, 0, 0, 0, 0],
[1, 1, 1, 1, 1],
[2, 2, 2, 2, 2],
[3, 3, 3, 3, 3],
[4, 4, 4, 4, 4]]), array([[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4]]))
现在,我们可以从像素索引并使用wcs创建SkyCoord
对象(它是Numpy数组子类)。
In [33]: from astropy.coordinates import SkyCoord
...: sky = SkyCoord.from_pixel(xx, yy, wcs)
...: sky
Out[33]:
<SkyCoord (FK5: equinox=2000.0): (ra, dec) in deg
[[(53.17127889, -27.78771333), (53.17127889, -27.78765778),
(53.17127889, -27.78760222), (53.17127889, -27.78754667),
(53.17127889, -27.78749111)],
....
请注意,这是使用wcs.utils.skycoord_to_pixel
。 该对象还有一种使用wcs投影到像素的方法。 出于实际目的,我将在此处相同:
In [34]: sky.to_pixel(wcs)
Out[34]:
(array([[ 0.00000000e+00, -1.11022302e-16, -2.22044605e-16,
-3.33066907e-16, 1.13149046e-10],
...
[ 4.00000000e+00, 4.00000000e+00, 4.00000000e+00,
4.00000000e+00, 4.00000000e+00]]),
array([[-6.31503738e-11, 1.00000000e+00, 2.00000000e+00,
3.00000000e+00, 4.00000000e+00],
...
[-1.11457732e-10, 1.00000000e+00, 2.00000000e+00,
3.00000000e+00, 4.00000000e+00]]))
我们得到新的x和y索引的float值元组。 因此,您将需要舍入这些值并将其转换为int以将其用作数组索引。
第二种选择是使用较低级别的函数,例如wcs.pixel_to_world_values
和wcs.world_to_pixel_values
,它们使用Nx2数组并返回它:
In [37]: wcs.pixel_to_world_values(np.array([xx.ravel(), yy.ravel()]).T)
Out[37]:
array([[ 53.17127889, -27.78771333],
[ 53.17127889, -27.78765778],
[ 53.17127889, -27.78760222],
[ 53.17127889, -27.78754667],
...
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.