Question

是否有更好的方法来计算给定行在numpy 2D数组中出现的次数而不是

def get_count(array_2d, row):
    count = 0
    # iterate over rows, compare
    for r in array_2d[:,]:
        if np.equal(r, row).all():
            count += 1
    return count    

# let's make sure it works

array_2d = np.array([[1,2], [3,4]])
row = np.array([1,2])       

count = get_count(array_2d, row)
assert(count == 1)

Answer 1

一种简单的方法是使用broadcasting -

(array_2d == row).all(-1).sum()

考虑到内存效率，这里有一种方法，将array_2d中的每一行视为n-dimensional网格上的索引元组，并假设输入中有正数 -

dims = np.maximum(array_2d.max(0),row) + 1
array_1d = np.ravel_multi_index(array_2d.T,dims)
row_scalar = np.ravel_multi_index(row,dims)
count = (array_1d==row_scalar).sum()

Here是一篇讨论与之相关的各个方面的帖子。

注意：使用np.count_nonzero可以更快地计算布尔值，而不是.sum()求和。因此，请考虑将其用于上述两种方法。

这是一个快速的运行时测试 -

In [74]: arr = np.random.rand(10000)>0.5

In [75]: %timeit arr.sum()
10000 loops, best of 3: 29.6 µs per loop

In [76]: %timeit np.count_nonzero(arr)
1000000 loops, best of 3: 1.21 µs per loop

计算矩阵中出现的行数（numpy）

1 个答案: