4Dナンシーアレイの最適化

Question

私は4つのアレイdata（50,8,2048,256）の8つの2048x256ピクセルイメージを含む50グループです。 timesは、各画像が撮影された時間を示す形状の配列（50,8）です。

私は、各グループのすべての画像の各ピクセルで一次多項式の近似を計算し、形状の配列（50,2048,256,2）を与えます。これは本質的に、50個のグループのそれぞれのベクトルプロットです。私は多項式を格納するために使用するコードは、次のとおり

fits = np.ones((50,2048,256,2)) 
times = times.reshape(50,8,1).repeat(2048,2).reshape(50,8,2048,1).repeat(256,3) 
for group in range(50):  
    for xpos in range(2048): 
     for ypos in range(256): 
      px_data = data[:,:,ypos,xpos] 
      fits[group,ypos,xpos,:] = np.polyfit(times[group,:,ypos,xpos],data[group,:,ypos,xpos],1) 

今挑戦は私がfitsから多項式係数を使用してアレイ状のnew_data（50,12,2048,256）を生成することですnew_timeからの時間を使用して、12個の画像の50個のグループを生成する。

私は画像を生成するためにnp.polyval(fits, new_time)のようなものを使うことができますが、私はどのようにフレーズするかと非常に混同しています。それは次のようなものです：

new_data = np.ones((50,12,2048,256)) 
for i,(times,fit) in enumerate(zip(new_times,fits)): 
    new_data[i] = np.polyval(fit,times) 

しかし、私は放送エラーを取得しています。どんな支援も大歓迎です！ [OK]を

更新 ので、私はそれが仕事をするようにコードを少し変更して、私がしたい正確に何をすべきか、それはすべてのこれらのループとひどく遅いです（グループの意味あたり〜1分、これはほとんど私を取ります走る1時間！）。誰もがこれをスピードアップするために最適化する方法を提案できますか？

# Generate the polynomials for each pixel in each group 
fits = np.ones((50,2048,256,2)) 
times = np.arange(0,50*8*grptme,grptme).reshape(50,8) 
times = times.reshape(50,8,1).repeat(2048,2).reshape(50,8,2048,1).repeat(256,3) 
for group in range(50): 
    for xpos in range(2048): 
     for ypos in range(256): 
      fits[group,xpos,ypos] = np.polyfit(times[group,:,xpos,ypos],data[group,:,xpos,ypos],1) 

# Create new array of 12 images per group using the polynomials for each pixel 
new_data = np.ones((50,12,2048,256)) 
times = np.arange(0,50*12*grptme,grptme).reshape(50,12) 
times = times.reshape(50,12,1).repeat(2048,2).reshape(50,12,2048,1).repeat(256,3) 
for group in range(50): 
    for img in range(12): 
     for xpos in range(2048): 
      for ypos in range(256): 
       new_data[group,img,xpos,ypos] = np.polynomial.polynomial.polyval(times[group,img,xpos,ypos],fits[group,xpos,ypos]) 

Answer 1

スピードに関しては、何度も何度も避けなければならないループがたくさんあります。私があなたの問題を完全に理解していれば、8つのデータポイントの50グループに2048×256回の一次多項式を当てはめたいと思っています。だからフィット感のためにイメージの形は役割を果たしません。だから、私の提案は、だから私は行くだろうnp.polyfitであなたはドキュメンテーション文字列

x : array_like, shape (M,) 
    x-coordinates of the M sample points ``(x[i], y[i])``. 
y : array_like, shape (M,) or (M, K) 
    y-coordinates of the sample points. Several data sets of sample 
    points sharing the same x-coordinates can be fitted at once by 
    passing in a 2D-array that contains one dataset per column. 

から同時に

でx値のyの値のいくつかのセットの範囲のために合うことができるので、あなたのイメージを平坦化することです

# Generate the polynomials for each pixel in each group 
fits = np.ones((50,2048*256,2)) 
times = np.arange(0,50*8*grptme,grptme).reshape(50,8) 
data_fit = data.reshape((50,8,2048*256)) 
for group in range(50): 
    fits[group] = np.polyfit(times[group],data_fit[group],1).T 
fits_original_shape = fits.reshape((50,2048,256,2)) 

のためにあなたが最後のインデックス内のパラメータを持つようにしたいので、移調が必要であるが、np.polyfitは、最初にそれらを持っているし、別のデータが設定されます

し、それを評価するためには、再び基本的に同じトリックです：

# Create new array of 12 images per group using the polynomials for each pixel 
new_data = np.zeros((50,12,2048*256)) 
times = np.arange(0,50*12*grptme,grptme).reshape(50,12) 
#times = times.reshape(50,12,1).repeat(2048,2).reshape(50,12,2048,1).repeat(256,3) 
for group in range(50): 
    new_data[group] = np.polynomial.polynomial.polyval(times[group],fits[group].T).T 
new_data_original_shape = new_data.reshape((50,12,2048,256)) 

それはあなたの配列の形状と一致するように、2つの転置が再びにより異なるデータセット対パラメータの順序付けに必要とされています。

おそらく、いくつかの先進的なエンジョイマジックでグループ全体のループを避けることもできますが、これでコードはすでにはるかに速く実行されます。

私はそれが助けてくれることを願っています！