Question

比较三维数组中相邻元素的最快方法是什么？

假设我有一个（4,4,4）的numpy数组。我想在k方向上循环并成对比较元素。因此，比较所有相邻元素并分配最低索引（如果它们不相等）。基本上就是这样：

if array([0, 0, 0)] != array[(0, 0, 1)]:
    array[(0, 0, 0)] = 111

因此，比较将是：

(0, 0, 0) and (0, 0, 1)
(0, 0, 1) and (0, 0, 2)
(0, 0, 2) and (0, 0, 3)
(0, 0, 3) and (0, 0, 4)
... for all i and j ...

但是，我想为数组中的每个i和j执行此操作，并在具有数百万个单元的大型数组上为此循环编写标准Python非常慢。如果没有明确的for循环，是否有更“标准”的numpy方式呢？

也许使用切片步骤有一些技巧（即array[:,:,::2], array[:,:,1::2]）？

Answer 1

尝试np.diff。

import numpy as np
a = np.arange(9).reshape(3, 3)
A = np.array([a, a, a + 1]).T

same_with_neighbor_on_last_axis = np.diff(A, axis=-1) == 0

print A
print same_with_neighbor_on_last_axis

A被构造成沿第三轴具有2个连续的相等条目，

>>>print A
array([[[0, 0, 1],
        [3, 3, 4],
        [6, 6, 7]],

       [[1, 1, 2],
        [4, 4, 5],
        [7, 7, 8]],

       [[2, 2, 3],
        [5, 5, 6],
        [8, 8, 9]]])

然后输出向量产生

>>>print same_with_neighbor_on_last_axis
[[[ True False]
  [ True False]
  [ True False]]

 [[ True False]
  [ True False]
  [ True False]]

 [[ True False]
  [ True False]
  [ True False]]]

使用axis关键字，您可以选择执行此操作所需的轴。如果是全部，则可以使用循环。 np.diff除了以下

之外别无其他

np.diff(A, axis=-1) == A[..., 1:] - A[..., :-1]

比较多维numpy数组中相邻元素的最快方法

1 个答案: