python 遍历矩阵_python性能提高10倍的通用方法

注：对于没有参加过培训，或者没有python、三角、矩阵基础的朋友，如果要完全理解文中代码，需先适当补充相应基础知识！

       NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表要高效的多，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，在整个python生态中占有举足轻重的作用，本篇文章旨在讲解如何借助它来提升python的计算性能。

       在使用python进行模型点的计算过程中，经常需要遍历所有点，如果点的数量很多，则运行是非常慢的，那么，如何避开使用循环语句，而又能对每个点分别进行操作呢，答案就是：numpy！当然，除了numpy之外，python还有很多其它优秀的库，但鉴于Houdini只内置了numpy库，故本篇文章只讨论numpy的提速方法。

       numpy的计算对象通常来说都是数组或矩阵，我们所做的每一个操作都是针对数组里每个元素的，借助此特性，无需再像以前那样非得使用for循环来访问数组中的每个元素了，下面我们还是通过具体实例来说明numpy是如何对数组进行整体性操作的。首先创建一个含有10个元素的数组，然后对每个元素执行sin正弦函数计算，代码如下：

import  numpy  as  np

x = np.arange(0,10)

s = np.sin(x)

print(x)

print(s)

结果：[0 1 2 3 4 5 6 7 8 9]

[ 0. 0.84147098 0.90929743 0.14112001 -0.7568025 -0.95892427 -0.2794155   0.6569866   0.98935825  0.41211849]

       上述代码中，np.arange()函数和python默认的range()函数用法类似,这里得到0-9整数，并将这10个整数送入sin()函数计算正弦值，numpy的函数可以对数组的每个元素进行一次性的整体操作，而无需for循环，从而极大的