我们将从零初始化数组开始。所以,这将是:np.zeros((heigh, width))。接下来,我们将很少有方法用这样一种交替的255s填充它。在
方法1:使用带^{}的open范围数组来模拟这些迭代器,并利用^{}-I,J = np.ogrid[:h,:w]
im[(I+J)%2==0] = 255
方法2:仔细看一下,似乎您正在将每行中的每个其他元素设置为255,从第一行的第一个元素开始,第二行的第二个元素开始,第三行的元素返回到第一个,依此类推。因此,我们也可以使用^{},而且应该非常有效-
^{pr2}$
运行时测试
方法-def func(im):
h,w = im.shape
for i in range(h):
for j in range(w):
if (i + j) % 2 == 0:
im[i, j] = 255
return im
def app1(im):
h,w = im.shape
I,J = np.ogrid[:h,:w]
im[(I+J)%2==0] = 255
return im
def app2(im):
im[::2,::2] = 255
im[1::2,1::2] = 255
return im
验证-In [74]: im = np.random.randint(0,255,(1000,1000))
In [75]: im1 = im.copy()
...: im2 = im.copy()
...: im3 = im.copy()
...:
In [76]: func(im1)
...: app1(im2)
...: app2(im3)
...:
Out[76]:
array([[255, 133, 255, ..., 14, 255, 41],
[235, 255, 191, ..., 255, 40, 255],
[255, 151, 255, ..., 51, 255, 18],
...,
[ 50, 255, 177, ..., 255, 193, 255],
[255, 245, 255, ..., 114, 255, 27],
[223, 255, 148, ..., 255, 200, 255]])
In [77]: print np.allclose(im1,im2)
...: print np.allclose(im1,im3)
...:
True
True
时间安排-In [78]: %timeit func(im)
10 loops, best of 3: 106 ms per loop
In [79]: %timeit app1(im)
100 loops, best of 3: 14 ms per loop
In [80]: %timeit app2(im)
1000 loops, best of 3: 415 µs per loop
In [82]: 106/0.415 # Speedup with approach #2 over original one
Out[82]: 255.42168674698797