Question

我有一个大的numpy数组mail，形状不明确，我想构造一个形状相同的数组k，当d中的相应条目介于两个常量之间时，它是1.0 k和lo，否则为0.0。（由于较大的代码正在做什么，我不想要一个布尔值数组。）

显而易见的方法是

hi

但是，d = np.ones_like(k) d[np.less(k, lo)] = 0 d[np.greater(k, hi)] = 0和np.less调用涉及创建大型临时布尔数组，我测量这是一个重要的开销。有没有办法执行此操作，不涉及创建任何大的临时对象，同时保持完全矢量化？

Answer 1

正如其他人所说，numpy 在临时缓冲区上很重，并且它对它没有多少控制权。如果内存占用确实是一个阻塞，你可以放入自己的小程序。例如，

def process(x, lo, hi):
    """ lo <= x < hi ? 1.0 : 0.0."""
    x_shape = x.shape
    xx = np.ascontiguousarray(x).ravel()
    out = np.empty_like(xx)
    _process(xx, lo, hi, out)
    return out.reshape(x_shape)

其中_process在cython中：

%%cython --annotate

import cython

@cython.boundscheck(False)
@cython.wraparound(False)
def _process(double[::1] x, double lo, double hi, double[::1] out):
    """ lo <= x < hi ? 1.0 : 0.0.""" 
    cdef:
        Py_ssize_t j
        double xj

    for j in range(x.shape[0]):
        xj = x[j]
        if lo <= xj < hi:
            out[j] = 1.0
        else:
            out[j] = 0.0

这里我使用了jupyter笔记本（因此有趣的%%cython语法）。在实际项目中，你需要输入一个setup.py来编译扩展等。这样做的好处是否值得麻烦取决于你。

Answer 2

您可以根据比较创建布尔数组，然后转换为浮点类型，一气呵成，就像这样 -

d = ((k >=lo) & (k <= hi)).astype(float)

Answer 3

less和greater采用out参数：

out=np.ones_like(k)
np.less(k,80,out=out);
out &= np.greater(k,20);
# np.logical_and(np.greater(k,20),out,out=out);

最终可能会保存一个中间数组。虽然我对ufunc out的印象是它仍会创建一个临时数组，但只是将其复制到out。

在小型（10x10）阵列上，这比@ zwol的方法快，但比@Divakar慢。但差异并不大。

最有效的方法（lo＆lt; = k＆amp;＆amp; k＆lt; = hi）？ 1：0表示k a numpy数组，lo，hi常数

3 个答案: