NumPy

时间:2016-04-13 20:10:49

标签: python arrays performance numpy vectorization

我想知道如果没有迭代for循环来做这样的事情是否可能:

a = np.array([[1, 2, 5, 3, 4],
              [4, 5, 6, 7, 8]])

cleaver = np.argmax(a == 5, axis=1)  # np.array([2, 1])

foo(a, cleaver)

>>> np.array([False, False, True, True, True],
             [False, True, True, True, True])

有没有办法通过切片或其他非迭代函数来实现这一目的?我正在使用的数组非常大,并且逐行迭代这些数组非常昂贵。

1 个答案:

答案 0 :(得分:2)

您可以使用一些broadcasting 魔法 -

cleaver[:,None] <= np.arange(a.shape[1])

示例运行 -

In [60]: a
Out[60]: 
array([[1, 2, 5, 3, 4],
       [4, 5, 6, 7, 8]])

In [61]: cleaver
Out[61]: array([2, 1])

In [62]: cleaver[:,None] <= np.arange(a.shape[1])
Out[62]: 
array([[False, False,  True,  True,  True],
       [False,  True,  True,  True,  True]], dtype=bool)