Question

我需要过滤数组以删除低于某个阈值的元素。我目前的代码是这样的：

threshold = 5
a = numpy.array(range(10)) # testing data
b = numpy.array(filter(lambda x: x >= threshold, a))

问题是这会创建一个临时列表，使用带有lambda函数的过滤器（慢）。

由于这是一个非常简单的操作，可能有一个numpy函数以高效的方式完成它，但我一直无法找到它。

我认为实现这一目标的另一种方法可能是对数组进行排序，找到阈值的索引并从该索引开始返回切片，但即使这对于小输入来说会更快（并且它不会无论如何都要引人注意），随着输入大小的增加，它的最终渐近效率会降低。

有什么想法吗？谢谢！

更新：我也做了一些测量，当输入为100.000.000个条目时，排序+切片仍然是纯Python过滤器的两倍。

In [321]: r = numpy.random.uniform(0, 1, 100000000)

In [322]: %timeit test1(r) # filter
1 loops, best of 3: 21.3 s per loop

In [323]: %timeit test2(r) # sort and slice
1 loops, best of 3: 11.1 s per loop

In [324]: %timeit test3(r) # boolean indexing
1 loops, best of 3: 1.26 s per loop

Answer 1

b = a[a>threshold]这应该做

我测试如下：

import numpy as np, datetime
# array of zeros and ones interleaved
lrg = np.arange(2).reshape((2,-1)).repeat(1000000,-1).flatten()

t0 = datetime.datetime.now()
flt = lrg[lrg==0]
print datetime.datetime.now() - t0

t0 = datetime.datetime.now()
flt = np.array(filter(lambda x:x==0, lrg))
print datetime.datetime.now() - t0

我得到了

$ python test.py
0:00:00.028000
0:00:02.461000

http://docs.scipy.org/doc/numpy/user/basics.indexing.html#boolean-or-mask-index-arrays

具有numpy的数组的高效阈值滤波器

1 个答案: