您可以在块中进行赋值,例如1000行。这样创建的额外阵列将是阵列大小的1/29,并且让for循环运行29次应该不会有太大的速度问题。典型的内存/速度权衡。
block = 1000 # the size of row blocks to use
K = np.random.random((29000, 29000))
for i in range(int(np.ceil(K.shape[0] / block))):
K[i*block:(i+1)*block, :] *= 1.5 - 0.5 * K[i*block:(i+1)*block, :]**2
由于人们对较小矩阵的性能存在一些担忧,下面对这些矩阵进行测试:
block = 1000
K = np.arange(9).astype(np.float).reshape((3, 3))
print(1.5 * K - 0.5 * K**3)
for i in range(int(np.ceil(K.shape[0] / block))):
K[i*block:(i+1)*block_size, :] *= 1.5 - 0.5 * K[i*block:(i+1)*block_size, :]**2
print(K)
这张照片
[[ 0. 1. -1.]
[ -9. -26. -55.]
[ -99. -161. -244.]]
两次