我试图在距离矩阵上计算一个普通的ODE(常微分方程),但我不知道如何并行化我的代码。
from scipy.integrate import quad
from math import exp
import numpy as np
import matplotlib.pyplot as plt
#I have my distance matrix and I wanna count how many points are distanced
# from point i with distance r at maximum
def v(dist, r, i):
return 1/N*(np.count_nonzero(np.select([dist[i,:]<r],[dist[i,:]]))+1)
#integral of rho from r to infinity
def rho_barre(rho, r):
return quad(rho, r, np.inf)
# integral over r of a certain integrand
def grad_F(i, j, rho, v, v_r, dist):
return quad(lambda r : ((v(dist, r, i)+v(dist, r, j))/2-v_r)*rho_barre(rho, max(r, dist[i,j])), 0, np.inf)
#parameters
delta_T = 0.1
rho = (lambda x: exp(-x))
v_r =0
for t in range (1000):
for i in range(N):
for j in range(N):
d_matrix[i,j] = d_matrix[i,j] + delta_T* grad_F(i,j,rho, v, v_r, d_matrix)
首先,我有以下错误can't multiply sequence by non-int of type 'float'
,我不明白为什么。然后,我知道python中有三个循环太多了,我想知道如何在Python中使它更快。
听起来你有几个不同的问题。让我看看我是否可以更抽象地回答,你可以把它拼凑起来
在Python中并行工作的一种非常简单的方法是multiprocessing
如果您多次应用相同的功能,而不是:
res = [myfun(arg) for arg in args]
你可以做:
import multiprocessing as mp
with mp.Pool() as pool:
res = pool.map(myfun,args)
有局限性。 myfun
和args
都必须是pickleable(lambda
不是这样你想要在你的代码中解决这个问题)
通常,python循环很慢。使用NumPy时,如果可以的话,最好“向量化”。
因此,不要忘记[i,j]
的每个d_matrix
元素,看看你是否可以同时处理它们。因此,计算矩阵grad_F
(而不是函数)并添加它。你仍然需要你的时间循环,但你可以在一个非常快的动作中解决你的d_matrix
。
你能预先计算rho_barre
吗?也许用scipy.integrate.cumtrapz
来计算?
此外,尝试写更少的单行。使用新函数而不是lambdas。它将使您更容易理解您的代码!