python游戏编程快速上手pdf下载,Python快速编程入门(第2版)

　　这是一个非常快速的完全矢量化版本：

　　极好的矢量化(概率矩阵，项目):

　　s=prob_matrix.cumsum(轴=0)

　　r=NP。随机的。兰德(prob _ matrix。形状[1])

　　返回项目[k]

　　在[115]中：%timeit original(prob_matrix，items)

　　一次循环，每次循环最好为3: 270毫秒

　　在[116]: %timeit改进(概率矩阵，项目)

　　10次循环，最好为3次：每次循环24.9毫秒

　　在[117]: %timeit向量化(概率矩阵，项目)

　　1000次循环，每次循环最好为3: 1毫秒

　　定义函数的完整脚本是：

　　将数组作为铭牌导入

　　极好的改进(概率矩阵，项目):

　　#在此转置以获得更好的数据局部性

　　cdf=np.cumsum(prob_matrix .t，轴=1)

　　#随机数很贵，所以我们会一次全部得到

　　#我们无法避免的一个循环，尽可能简单

　　idx=np.zeros(n，dtype=int)

　　对于I，r in enumerate(ridx):

　　idx[i]=np.searchsorted(cdf[i]，r)

　　#一次索引比循环索引更快

　　返回项目[idx]

　　定义原始(prob_matrix，项目):

　　choices=np.zeros((n，))

　　#这很慢，因为计算机编程语言中有循环

　　对于范围内的我(n):

　　选择[i]=NP。随机的。choice(items，p=prob_matrix[:I])

　　返回选择

　　极好的矢量化(prob_matrix，项目):

　　s=prob_matrix.cumsum(轴=0)

　　r=NP。随机的。兰德(prob _ matrix。形状[1])

　　返回项目[k]

　　m=10

　　n=10000 #或某个非常大的数字

　　items=np.arange(m)

　　prob_weights=np.random.rand(m，n)

　　概率矩阵=概率权重/概率权重。sum(axis=0，keepdims=True)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。