鱼C论坛

 找回密码
 立即注册
查看: 1513|回复: 3

[已解决]多层循环优化运行速度

[复制链接]
发表于 2021-11-10 21:23:03 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
大佬们,python的for循环嵌套两层运行为啥这么慢阿,有没有好的解决办法,最好是不用三方库的
我这就两层循环,101*1000,感觉好慢
import matplotlib.pyplot as plt
import numpy as np


np.random.seed(0)


x_ = np.linspace(0,1,101)



def shouyi():
    '''
    输入
    '''
    a = np.random.choice([0,1], p = p.ravel())
    b = np.random.choice([0,1], p = p.ravel())
    c = a+b
    if c == 0:
        w =  2
    elif c == 1:
        w = 2
    elif c == 2:
        w = -1
    return w

y_ = []
for x in x_:
    p = np.array([ x, 1-x ])
    w = 0

    for i in range(1000):
        w1 = shouyi()
        w2 = shouyi()
        w3 = shouyi()
        w4 = shouyi()
        w5 = shouyi()
        w6 = shouyi()
        w7 = shouyi()
        w8 = shouyi()
        w9 = shouyi()
        w10 = shouyi()
        w = w + w1+w2+w3+w4+w5+w6+w7+w8+w9+w10
    y_.append(w)

plt.plot(x_,y_)
plt.show() 
最佳答案
2021-11-10 22:10:01
本帖最后由 suchocolate 于 2021-11-10 22:52 编辑

算上函数那10次,实际有100w次核心计算,numpy确实慢,帮你优化了一下代码,节省20%时间吧。
import matplotlib.pyplot as plt
import numpy as np
import time

start = time.time()
np.random.seed(0)
x_ = np.linspace(0, 1, 101)
y_ = []
ps = x_[::-1] # 直接取反不用逐个计算
d = {0: 2, 1: 2, 2: -1}  # 字典查询能够加速
for i, x in enumerate(x_):
    p = [x, ps[i]]
    w = 0
    for j in range(1000):
        for k in range(10):
            c = np.random.choice([0, 1], p=p, size=2).sum()  # 一次生成2个直接求和,p是普通列表页可以。
            w += d[c]
    y_.append(w)
end = time.time()
print(end-start)
plt.plot(x_, y_)
plt.show()

用普通random帮你写了一个,这个1秒多:
import matplotlib.pyplot as plt
import time
import random

# 权重选择函数
def test(p):
    result = 0
    for m in range(2):
        r = random.uniform(0, 1)  # 随机一个浮点数
        if r <= p[0]:  # p中的概率也可以理解为权重,概率=权重/权重和,若权重某一轮为[0.2,0.8],若随机数小于等于0.2,那么本轮结果为0,反之为1。
            result += 0
        else:
            result += 1
    return result


start = time.time()
x_ = [x / 100.0 for x in range(101)]
y_ = []
ps = x_[::-1]
d = {0: 2, 1: 2, 2: -1}
for i, x in enumerate(x_):
    p = {0: x, 1: ps[i]}
    w = 0
    for j in range(1000):
        for k in range(10):
            c = test(p)
            w += d[c]
    y_.append(w)
end = time.time()
print(end - start)
plt.plot(x_, y_)
plt.show()
前几天一位鱼友的提问也是权重选择:https://fishc.com.cn/thread-204828-1-1.html
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2021-11-10 22:10:01 | 显示全部楼层    本楼为最佳答案   
本帖最后由 suchocolate 于 2021-11-10 22:52 编辑

算上函数那10次,实际有100w次核心计算,numpy确实慢,帮你优化了一下代码,节省20%时间吧。
import matplotlib.pyplot as plt
import numpy as np
import time

start = time.time()
np.random.seed(0)
x_ = np.linspace(0, 1, 101)
y_ = []
ps = x_[::-1] # 直接取反不用逐个计算
d = {0: 2, 1: 2, 2: -1}  # 字典查询能够加速
for i, x in enumerate(x_):
    p = [x, ps[i]]
    w = 0
    for j in range(1000):
        for k in range(10):
            c = np.random.choice([0, 1], p=p, size=2).sum()  # 一次生成2个直接求和,p是普通列表页可以。
            w += d[c]
    y_.append(w)
end = time.time()
print(end-start)
plt.plot(x_, y_)
plt.show()

用普通random帮你写了一个,这个1秒多:
import matplotlib.pyplot as plt
import time
import random

# 权重选择函数
def test(p):
    result = 0
    for m in range(2):
        r = random.uniform(0, 1)  # 随机一个浮点数
        if r <= p[0]:  # p中的概率也可以理解为权重,概率=权重/权重和,若权重某一轮为[0.2,0.8],若随机数小于等于0.2,那么本轮结果为0,反之为1。
            result += 0
        else:
            result += 1
    return result


start = time.time()
x_ = [x / 100.0 for x in range(101)]
y_ = []
ps = x_[::-1]
d = {0: 2, 1: 2, 2: -1}
for i, x in enumerate(x_):
    p = {0: x, 1: ps[i]}
    w = 0
    for j in range(1000):
        for k in range(10):
            c = test(p)
            w += d[c]
    y_.append(w)
end = time.time()
print(end - start)
plt.plot(x_, y_)
plt.show()
前几天一位鱼友的提问也是权重选择:https://fishc.com.cn/thread-204828-1-1.html
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2021-11-13 15:54:53 | 显示全部楼层
suchocolate 发表于 2021-11-10 22:10
算上函数那10次,实际有100w次核心计算,numpy确实慢,帮你优化了一下代码,节省20%时间吧。

刚刚把您的代码看完,最后一个确实很快,虽然我这破电脑还要跑6秒,但是比之前快老了,非常感谢,
我还有点小问题,为啥您这样写可以快这么多,我之前的代码是哪部分耗时太长,我想学习这方面的知识应该看哪些书籍还有视频
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2021-11-13 16:10:04 | 显示全部楼层
本帖最后由 suchocolate 于 2021-11-13 16:19 编辑
撕裂天堂 发表于 2021-11-13 15:54
刚刚把您的代码看完,最后一个确实很快,虽然我这破电脑还要跑6秒,但是比之前快老了,非常感谢,
我还 ...


有专门讲代码优化的书,可以到某东上搜搜。
知乎看这个也不错:https://zhuanlan.zhihu.com/p/143052860
import matplotlib.pyplot as plt
import numpy as np


np.random.seed(0)


x_ = np.linspace(0,1,101)



def shouyi():
    '''
    输入
    '''
    a = np.random.choice([0,1], p = p.ravel())  # 这里用size=2减少一次赋值操作
    b = np.random.choice([0,1], p = p.ravel())
    c = a+b
    if c == 0:  # 因为这里的if的结果都是固定的,所以可以直接用字典代替,字典查询比if快得多。
        w =  2
    elif c == 1:
        w = 2
    elif c == 2:
        w = -1
    return w

y_ = []
for x in x_:
    p = np.array([ x, 1-x ])  # np初始化array比普通列表慢,且列表内元素还需要计算,所以换成普通列表。考虑到p列表的第二个元素正好是 x_倒叙的值,所以我的代码里直接ps = x_[::-1],省去了计算的过程。
    w = 0

    for i in range(1000): # 函数调用10次,每次参数都为空,没有变化,可以直接用for代替
        w1 = shouyi()
        w2 = shouyi()
        w3 = shouyi()
        w4 = shouyi()
        w5 = shouyi()
        w6 = shouyi()
        w7 = shouyi()
        w8 = shouyi()
        w9 = shouyi()
        w10 = shouyi()
        w = w + w1+w2+w3+w4+w5+w6+w7+w8+w9+w10
    y_.append(w)

plt.plot(x_,y_)
plt.show() 
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-12 20:52

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表