用這些噪聲參數填充二維 numpy 數組的更快方法？ 當前循環遍歷每個元素

Question

是否有更快的方法來使用此處看到的相同算法（具有相同輸入參數的 pnoise3，特別是 i/scale j/scale）來填充 2d numpy 數組？ self.world 是 np 數組，像這樣遍歷它非常大（2048,1024）。

for i in range(self.height):
    for j in range(self.width):

        self.world[i][j] = noise.pnoise3(i/self.noise['scale'], 
                                        j/self.noise['scale'], 
                                        SEED,
                                        octaves = self.noise['octaves'], 
                                        persistence = self.noise['persistence'], 
                                        lacunarity = self.noise['lacunarity'], 
                                        repeatx= self.width, 
                                        repeaty= self.height, 
                                        base= 0)

在學習了布爾索引之后，我能夠擺脫程序中其他地方的嵌套 for 循環，並且對它的效率如此之高感到驚訝。 以上是否有改進的余地？

我想過做類似self.world[self.world is not None] = noise.pnoise3(arg, arg, etc...)事情， self.world[self.world is not None] = noise.pnoise3(arg, arg, etc...)遞增的 i 和 j 值。 並將其設置為函數輸出是否意味着每個值都是相同的？ 我還考慮過創建一個單獨的數組，然后將它們組合起來，但我仍然無法弄清楚如何在該場景中重現遞增的 i 和 j 值。

另外， used self.world[self.world is not None] ，我used self.world[self.world is not None]作為布爾索引的示例，該索引將對所有內容返回 true，但我想這不是做我想做的最好的方法。 我缺少一個明顯的替代方案嗎？

Answer 1

如果 pnoise 是柏林噪聲，則有 numpy 向量化實現。 這是一個。

事實上，我認為你不能做得更快。 當 Numpy 可以在 C 中執行內部循環時，它會很快。對於像 np.sin 這樣的內置 numpy 函數就是這種情況。

這里有一個向量運算，其中運算是一個 python 函數。

但是，可以重新實現噪聲函數，以便它在內部使用 numpy 向量化函數。