Question

In [3]: f1 = rand(100000)
In [5]: f2 = rand(100000)

# Obvious method:
In [12]: timeit fmin = np.amin((f1, f2), axis=0); fmax = np.amax((f1, f2), axis=0)
10 loops, best of 3: 59.2 ms per loop

In [13]: timeit fmin, fmax = np.sort((f1, f2), axis=0)
10 loops, best of 3: 30.8 ms per loop

In [14]: timeit fmin = np.where(f2 < f1, f2, f1); fmax = np.where(f2 < f1, f1, f2)
100 loops, best of 3: 5.73 ms per loop


In [36]: f1 = rand(1000,100,100)

In [37]: f2 = rand(1000,100,100)

In [39]: timeit fmin = np.amin((f1, f2), axis=0); fmax = np.amax((f1, f2), axis=0)
1 loops, best of 3: 6.13 s per loop

In [40]: timeit fmin, fmax = np.sort((f1, f2), axis=0)
1 loops, best of 3: 3.3 s per loop

In [41]: timeit fmin = np.where(f2 < f1, f2, f1); fmax = np.where(f2 < f1, f1, f2)
1 loops, best of 3: 617 ms per loop

就像，也许有一种方法可以一步完成两个where命令并返回2个？

为什么amin的实施方式与where的实施方式相同，如果它的速度要快得多？

Answer 1

使用numpy的内置元素maximum和minimum - 它们比where更快。 numpy docs for maximum中的注释证实了这一点：

相当于np.where（x1> x2，x1，x2），但更快，并进行适当的广播。

您第一次测试所需的行将是：

fmin = np.minimum(f1, f2); fmax = np.maximum(f1, f2)

我自己的结果显示这要快得多。请注意，只要两个参数的形状相同，minimum和maximum将适用于任何n维数组。

Using amax                    3.506
Using sort                    1.830
Using where                   0.635
Using numpy maximum, minimum  0.178

是否有更快的方法来分隔两个数组的最小值和最大值？

1 个答案: