Question

我对python / numpy很新。我想将值存储在numpy数组中，这是一个简单组合问题的解决方案。在这里，我有两个给定值x和y以及一个x＆lt; = bound和y＆lt; = bound的边界。我需要找到满足 x + b y＆lt; =与＆＃34; a＆＃34;和＆＃34; b＆＃34;都是正整数。因此，我通过迭代所有可行的输入来实现这一目标＆＃34; a＆＃34;和＆＃34; b＆＃34;并使用解决方案扩展我的数组。

问题是，我只需要出现一次解决方案。就像我下面的代码示例中一样，对于x = 3，y = 5和bound = 20，解15将是（a，b）=（5,0）的* 3 + b * 5的结果，也是（A，b）=（0,3）。我不需要冗余。我想到的最好方法是检查if-block，如果计算的解决方案尚未存储，只有这样，该值才会添加到我的数组中。

除了在每个迭代步骤中检查整个现有数组之外，还有更有效的方法吗？像np.append以外的函数一样，它只自动存储值，但是还不存在？或者有没有办法首先存储所有计算的解决方案，但然后只返回一个没有冗余值的数组？（那会有效吗？）

PS：我正在使用非常大的边界，我的数组需要存储几千个值。

import numpy as np


x=3
y=5
bound=20


arr=([]) # empty array at first

for a in range(np.int(bound/x)+1):
    for b in range(np.int((bound-a*x)/y)+1):
        feasible_combination=a*x+b*y

        if feasible_combination not in arr[:]:  # no need for redundance 
            arr=np.append(arr,feasible_combination)
arr=np.sort(arr)
print(arr)

Answer 1

这里有两个更快的版本，一个使用set，另一个使用NumPy中的几乎所有工作：

def combinations_set(x, y, bound):
    combs = set()
    for a in range(np.int(bound/x)+1):
        for b in range(np.int((bound-a*x)/y)+1):
            combs.add(a*x+b*y)
    return np.sort(list(combs))

def combinations_ix(x, y, bound):
    a, b = np.ix_(*[np.arange(int(bound/_)+1) for _ in (x, y)])
    combs = a*x + b*y
    return np.sort(np.unique(combs[combs <= bound]))

对于以下示例，与原始代码相比，combinations_ix在我的机器上提供了1607倍的加速，但combinations_set相当具有竞争力（并且应该使用比combinations_ix更少的内存）：

In [58]: %timeit combinations(200, 234, 100000)   # original code as function
1 loops, best of 3: 8.23 s per loop

In [59]: %timeit combinations_set(200, 234, 100000)
100 loops, best of 3: 16.1 ms per loop

In [60]: %timeit combinations_ix(200, 234, 100000)
100 loops, best of 3: 5.12 ms per loop

使用该数组中尚不存在的值扩展numpy数组的有效方法

1 个答案: