Matlab代碼的直譯應該是import numpy as np

x = np.zeros((parts, 2))

for i in range(parts):

x[i,0] = i*L + 1

x[i,1] = (i+1)*L

注意，Matlab使用基于1的索引，而Python使用基于0的索引。這就解釋了1在哪里出現的差異。在

但是，在使用NumPy時，如果避免對數組進行逐元素修改，則可以獲得更好的性能。相反，您應該盡可能少地使用NumPy運算符或函數調用來表示計算，這些運算符或函數調用會同時影響整個數組。通過這樣做，您可以盡可能多地卸載NumPy底層的快速C/Fortran編譯函數調用，并減少執行較慢的Python代碼所花費的時間。在

這通常意味著您希望避免使用Python for循環，因為循環意味著這樣做

將執行大量Python語句。在

例如，表達上述計算的更好方法是

^{pr2}$

請注意，x中的值僅使用2個賦值填充。每個

賦值影響x“一次全部”的整列。在

為了了解基于數組的操作有什么不同，

下面是一個使用parts = 10000，L = 3的(IPython)timeit測試：In [16]: %%timeit

....: x = np.zeros((parts, 2))

x[:, 0] = np.arange(1, parts*L, L)

x[:, 1] = x[:, 0] + L - 1

10000 loops, best of 3: 51.9 μs per loop

In [17]: %%timeit

....: x = np.zeros((parts, 2))

for i in range(parts):

x[i,0] = i*L + 1

x[i,1] = (i+1)*L

100 loops, best of 3: 3.58 ms per loop

總結

以上是生活随笔為你收集整理的matlab循环数组里的数据库,用于在matlab的python中循环数组的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。