如何向量化numpy中的嵌套for循环

Question

我一直在尝试解决这个问题，但我陷入了困境

v,u,j=file.shape
for v in range(height):
  for u in range(width):
    start[v,u,0] = -0.5 + u / (width-1)
    start[v,u,1] = (-0.5 + v / (height-1)) * height / width
    start[v,u,2] = 0

我用了这个功能后就没办法了

   v,u,j=file.shape
   x,y,z=np.mgrid(0:v,0:u,0:j)

我希望你能帮助我提供详细的解决方案以更好地理解该机制提前致谢

Answer 1

您应该始终提供 minimal working example。否则我们只能猜测。

我已将您的代码转换为这个工作示例。它可能反映也可能不反映您真正想做的事情：

file = np.random.random((300, 200, 3))

start = np.empty_like(file)
height, width, _ = file.shape
for v in range(height):
    for u in range(width):
        start[v, u, 0] = -0.5 + u / (width - 1)
        start[v, u, 1] = (-0.5 + v / (height - 1)) * height / width
        start[v, u, 2] = 0

以下代码产生相同的结果。请注意在每个表达式中单个值如何被向量替换：

start_bis = np.zeros_like(file)
u = -0.5 + np.arange(width) / (width - 1)
v = (-0.5 + np.arange(height) / (height - 1)) * height / width
start_bis[..., 0], start_bis[..., 1] = np.meshgrid(u, v)

如何向量化numpy中的嵌套for循环

how to vectorize nested for loops in numpy

python

numpy

vectorization