如何在数组中生成多个二维高斯源？

Question

我想在拟合数组中生成多个高斯源。我的代码如下。

from astropy.io import fits
from numpy import *
xx=yy=1024
xc=xx/2.;yc=yy/2.
A=10.0
gau=zeros([xx,yy])
for i in range(xx):
  for j in range(yy):
      gau[i,j]=  A*exp(-((i-xc)/50.)**2 - ((j-yc)/50.)**2)
fits.writeto('gaussian_model.fits',gau,overwrite=True)

我对

n

数字进行了迭代，并将所有高斯函数添加到拟合文件中。对于

(xx,yy)

数字来说，迭代

n

的速度非常慢。有没有其他有效的方法我应该尝试加快

(xx,yy)

n

源的迭代速度？

Answer 1

您可以使用矢量化来加速代码（即对整个数组使用 numpy 而不是循环，本质上是将循环推送到已编译的 C 代码，这样速度更快）。这可以使用

np.meshgrid

来制作

xx

和

yy

的组合数组（本质上创建

xx

和

yy

组合的数组）或通过添加新轴来使用 broadcasting 来完成。对于这两种方法，您都必须创建

xx

和

yy

值的向量，我是通过使用

np.arange

来完成的（numpy 用于创建具有给定间距的列表的方法，默认值为 1）。

import numpy as np

xx = 1024
yy = 1024

xc = xx/2.
yc = yy/2.

A = 10.0

XX, YY = np.meshgrid(np.arange(xx), np.arange(yy))
# or
# XX = np.arange(xx)[:, None]
# YY = np.arange(yy)[None, :]
gau = A*np.exp(-((XX-xc)/50.)**2 - ((YY-yc)/50.)**2)

您应该在此处阅读numpy 基础知识。如果您使用 numpy 数组编写循环，那么您可能做错了什么。

此外，使用

*

导入也是不好的做法。