我有两个NumPy数组a
,b
,尺寸为m
n
。我有一个长度为b
的布尔向量n
,我想生成一个新数组c
,它会从n
中选择a
列,{{1如果b
为真,我从b[i]
开始,而不是b
。
我如何以最有效的方式做到这一点?
我查看了a
,select
和where
。
答案 0 :(得分:4)
首先,让我们设置一些示例代码:
import numpy as np
m, n = 5, 3
a = np.zeros((m, n))
b = np.ones((m, n))
boolvec = np.random.randint(0, 2, m).astype(bool)
只是为了显示这些数据的样子:
In [2]: a
Out[2]:
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.]])
In [3]: b
Out[3]:
array([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]])
In [4]: boolvec
Out[4]: array([ True, True, False, False, False], dtype=bool)
在这种情况下,使用np.where
进行此操作效率最高。但是,我们需要boolvec
的形状可以广播到与a
和b
相同的形状。因此,我们可以通过使用np.newaxis
或None
进行切片使它成为列向量(它们相同):
In [5]: boolvec[:,None]
Out[5]:
array([[ True],
[ True],
[False],
[False],
[False]], dtype=bool)
然后我们可以使用np.where
:
In [6]: c = np.where(boolvec[:, None], a, b)
In [7]: c
Out[7]:
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]])
答案 1 :(得分:4)
您可以使用np.choose
。
例如a
和b
数组:
>>> a = np.arange(12).reshape(3,4)
>>> b = np.arange(12).reshape(3,4) + 100
>>> a_and_b = np.array([a, b])
要使用np.choose
,我们需要一个包含两个数组的3D数组; a_and_b
看起来像这样:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[100, 101, 102, 103],
[104, 105, 106, 107],
[108, 109, 110, 111]]])
现在让布尔数组为bl = np.array([0, 1, 1, 0])
。然后:
>>> np.choose(bl, a_and_b)
array([[ 0, 101, 102, 3],
[ 4, 105, 106, 7],
[ 8, 109, 110, 11]])
答案 2 :(得分:3)
(5000,3000)阵列的计时是:
In [107]: timeit np.where(boolvec[:,None],b,a)
1 loops, best of 3: 993 ms per loop
In [108]: timeit np.choose(boolvec[:,None],[a,b])
1 loops, best of 3: 929 ms per loop
In [109]: timeit c=a[:];c[boolvec,:]=b[boolvec,:]
1 loops, best of 3: 786 ms per loop
where
和choose
基本相同;布尔索引略快一些。 select
使用choose
,因此我没有时间。
我的列采样时间相似,但这次索引速度较慢:
In [119]: timeit np.where(cols,b,a)
1 loops, best of 3: 878 ms per loop
In [120]: timeit np.choose(cols,[a,b])
1 loops, best of 3: 915 ms per loop
In [121]: timeit c=a[:];c[:,cols]=b[:,cols]
1 loops, best of 3: 1.25 s per loop
更正,对于索引,我应该使用a.copy()
。
In [32]: timeit c=a.copy();c[boolvec,:]=b[boolvec,:]
1 loops, best of 3: 783 ms per loop
In [33]: timeit c=a.copy();c[:,cols]=b[:,cols]
1 loops, best of 3: 1.44 s per loop
我得到了Python2.7和3,numpy 1.8.2和1.9.0 dev
的相同时间