Python：并行编辑矩阵行

这里是我的问题：
我想定义一个人的数组，并在for循环中更改此数组的条目。由于我也希望看到由此产生的分布的渐近性，所以我想重复这个模拟安静很多，因此我使用矩阵来存储每行中的几个数组。我知道如何与两个for循环做到这一点：Python：并行编辑矩阵行

import random 
import numpy as np 

nobs = 100 
rep = 10**2 
steps = 10**2 
dmoney = 1 
state = np.matrix([[10] * nobs] * rep) 
for i in range(steps): 
    for j in range(rep) 
     sample = random.sample(range(state.shape[1]),2) 
     state[j,sample[0]] = state[j,sample[0]] + dmoney 
     state[j,sample[1]] = state[j,sample[1]] - dmoney

我以为我用的是多进程库，但我不知道如何做到这一点，因为在我的头脑简单，工人操纵相同的全局矩阵平行，我读的是不是一个好主意。
那么，我该如何做，加快计算？

在此先感谢。

来源

2016-09-30 Daniel

我不明白你的观点，对不起。一个线程是否总是只修改一列/每行或每个数据？ – Mijago

目前还不清楚是什么你的我环路是做你不REF我（假设你使用它在一些未示出的代码与仿真，分布Calcs（计算）做的。）不过，我认为你可以做你的j循环的一个numpy的声明。但我真的没有想到，通过（np.random.choice做类似的工作，python.random.sample） – paddyg

我谨行编辑矩阵行，直到整个矩阵改变，并且重复此步骤几次。我没有发布的是样本生成和平均步骤的功能。前者是反对np.random.choice的论据，后者是逐行编辑的参数，直到整个矩阵发生改变。 – Daniel

OK，所以这可能没有多大用处，我还没有成型，看看是否有一个加速，但列表内涵会比正常循环快一点呢。

... 
y_ix = np.arange(rep) # create once as same for each loop 
for i in range(steps): 
    # presumably the two locations in the population to swap need refreshing each loop 
    x_ix = np.array([np.random.choice(nobs, 2) for j in range(rep)]) 
    state[y_ix, x_ix[:,0]] += dmoney 
    state[y_ix, x_ix[:,1]] -= dmoney

PS numpy在多个处理器上的拆分取决于编译时包含的库（BLAS等）。你将能够在网上找到关于这方面的信息。

编辑我可以确认，比较原始与上面的numpy索引版本后，原来的方法更快！

来源

2016-09-30 10:45:47 paddyg

Python：并行编辑矩阵行

回答

相关问题