在不使用for循环的情况下删除numpy数组的前导零

时间:2018-05-04 15:39:53

标签: python python-3.x performance numpy

如何在不使用循环的情况下仅从numpy数组中删除前导零?

import numpy as np

x = np.array([0,0,1,1,1,1,0,1,0,0])

# Desired output
array([1, 1, 1, 1, 0, 1, 0, 0])

我写了以下代码

x[min(min(np.where(x>=1))):] 

我想知道是否有更有效的解决方案。

3 个答案:

答案 0 :(得分:5)

您可以使用np.trim_zeros(x, 'f')

'f'表示从前面修剪零。 选项'b'将从后面修剪零。 默认选项'fb'从两侧修剪它们。

x = np.array([0,0,1,1,1,1,0,1,0,0])
# [0 0 1 1 1 1 0 1 0 0]
np.trim_zeros(x, 'f')
# [1 1 1 1 0 1 0 0]

答案 1 :(得分:2)

np.trim_zeros uses a for loop以来,这是一个真正的矢量化解决方案:

x = x[np.where(x != 0)[0][0]:]

但是我不确定它在哪一点开始比np.trim_zeros更有效率。在最坏的情况下(即具有大多数前导零的数组),它将更有效。

无论如何,它可以是一个有用的学习示例。

双面修剪:

>>> idx = np.where(x != 0)[0]
>>> x = x[idx[0]:1+idx[-1]]

答案 2 :(得分:1)

这是一种短路的numpy方法。它利用了0对任何(?)dtype的表示为零字节的事实。

import numpy as np
import itertools

# check assumption that for example 0.0f is represented as 00 00 00 00
allowed_dtypes = set()
for dt in map(np.dtype, itertools.chain.from_iterable(np.sctypes.values())):
    try:
        if not np.any(np.zeros((1,), dtype=dt).view(bool)):
            allowed_dtypes.add(dt)
    except:
        pass

def trim_fast(a):
    assert a.dtype in allowed_dtypes
    cut = a.view(bool).argmax() // a.dtype.itemsize
    if a[cut] == 0:
        return a[:0]
    else:
        return a[cut:]

与其他方法的比较:

enter image description here

生成情节的代码:

def np_where(a):
    return a[np.where(a != 0)[0][0]:]

def np_trim_zeros(a):
    return np.trim_zeros(a, 'f')

import perfplot

tf, nt, nw = trim_fast, np_trim_zeros, np_where
def trim_fast(A): return [tf(a) for a in A]
def np_trim_zeros(A): return [nt(a) for a in A]
def np_where(A): return [nw(a) for a in A]

perfplot.save('tz.png',
    setup=lambda n: np.clip(np.random.uniform(-n, 1, (100, 20*n)), 0, None),
    n_range=[2**k for k in range(2, 11)],
    kernels=[
        trim_fast,
        np_where,
        np_trim_zeros
        ],
    logx=True,
    logy=True,
    xlabel='zeros per nonzero',
    equality_check=None
    )