Question

我需要数组元素之间的最小距离。

我做了：

numpy.min(numpy.ediff1d(numpy.sort(x)))

有更好/更有效/更优雅/更快的方式吗？

Answer 1

如果你的速度很快，这里有一些时间：

In [13]: a = np.random.rand(1000)

In [14]: %timeit np.sort(a)
10000 loops, best of 3: 31.9 us per loop

In [15]: %timeit np.ediff1d(a)
100000 loops, best of 3: 15.2 us per loop

In [16]: %timeit np.diff(a)
100000 loops, best of 3: 7.76 us per loop

In [17]: %timeit np.min(a)
100000 loops, best of 3: 3.19 us per loop

In [18]: %timeit np.unique(a)
10000 loops, best of 3: 53.8 us per loop

unique的时间安排希望它sort的速度相对较快，而且如果有diff和min的话，你可以提早爆发唯一数组的长度比数组本身短（因为这意味着你的答案是0）。但unique的开销超过任何收益。

因此，我可以提供的唯一潜在改进是将ediff1d替换为diff：

In [19]: %timeit np.min(np.diff(np.sort(a)))
10000 loops, best of 3: 47.7 us per loop

In [20]: %timeit np.min(np.ediff1d(np.sort(a)))
10000 loops, best of 3: 57.1 us per loop

Answer 2

您当前的方法绝对是最佳的。通过先排序，您将减少每个元素之间的空间，ediff1d将返回差异数组。这是一个建议：

由于我们知道差异必须是正数，因为我们有一个升序排序，我们可以手动实现ediff1d并包含差值为零的中断。这样，如果你有排序的数组x：

[1, 1, 2, 3, 4, 5, 6, 7, ... , n]

而不是通过n个元素，您的ediff1d函数会提前中断并仅覆盖前两个元素，返回[0]。这也减少了差异数组的大小，减少了min调用所需的迭代次数。

这是一个不使用numpy的例子：

x = [1, 12, 3, 8, 4, 1, 4, 9, 1, 29, 210, 313, 12]

def ediff1d_custom(x):
    darr = []

    for i in xrange(len(x)):
        if i != len(x) - 1:
            diff = x[i + 1] - x[i]
            darr.append(diff)

            if diff == 0:
                break

    return darr

print min(ediff1d_custom(sorted(x))) # prints 0

Answer 3

try:
    min(x[i+1]-x[i] for i in xrange(0, len(x)-1))
except ValueError:
    print 'Array contains less than two values.'

向量中元素之间的最小距离

3 个答案: