我正在尝试提取超过某个阈值的一维数组的所有值的索引。该数组大约为1e9长。
我的方法如下NumPy：
idxs = where(data>threshold)
这需要花费超过20分钟的时间，这是不可接受的。如何加快此功能？或者，有更快的替代方案吗？
（具体而言，Mac OS X运行10.6.7,1.86 GHz Intel，4GB RAM需要很长时间。）
答案 0 :(得分：6)
尝试mask array。这将创建相同数据的视图。
所以语法是：
b=a[a>threshold]
b不是一个新数组（与where不同），而是一个视图，其中元素符合索引中的布尔值。
示例：
import numpy as np
import time
a=np.random.random_sample(int(1e9))
t1=time.time()
b=a[a>0.5]
print(time.time()-t1,'seconds')
在我的机器上，打印22.389815092086792 seconds
修改的
我和np.where尝试过同样的事情，而且速度一样快。我很怀疑：你是否从数组中删除这些值？