Могу ли я использовать NumPy для ускорения этого цикла?
Добрый вечер,
Я пытаюсь ускорить цикл в этом коде. Я прочитал все документы, но безрезультатно. np.accumulate выглядит так, как будто это почти то, что мне нужно, но не совсем.
Что я мог сделать, чтобы ускорить цикл?
import numpy as np
N = 1000
AR_part = np.random.randn(N+1)
s2 = np.ndarray(N+1)
s2[0] = 1.0
beta = 1.3
old_s2 = s2[0]
for t in range( 1, N+1 ):
s2_t = AR_part[ t-1 ] + beta * old_s2
s2[t] = s2_t
old_s2 = s2_t
В ответ на Уоррена я обновил свой код:
импортировать numpy как np из scipy.signal import lfilter, lfiltic
N = 1000
AR_part = np.random.randn(N+1)
beta = 1.3
def method1( AR_part):
s2 = np.empty_like(AR_part)
s2[0] = 1.0
old_s2 = s2[0]
for t in range( 1, N+1 ):
s2_t = AR_part[ t-1 ] + beta * old_s2
s2[t] = s2_t
old_s2 = s2_t
return s2
def method2( AR_part):
y = np.empty_like(AR_part)
b = np.array([0, 1])
a = np.array([1, -beta])
# Initial condition for the linear filter.
zi = lfiltic(b, a, [1.0], AR_part[:1])
y[:1] = 1.0
y[1:], zo = lfilter(b, a, AR_part[1:], zi=zi)
return y
s2 = method1( AR_part )
y = method2( AR_part )
np.alltrue( s2==y )
Сроки код:
%timeit method1( AR_part )
100 loops, best of 3: 1.63 ms per loop
%timeit method2( AR_part )
10000 loops, best of 3: 129 us per loop
Это показывает, что Уорренс более чем в 10 раз быстрее! Очень впечатляюще!