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)
答案 0 :(得分:3)
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