Question

我有一个带有〜10 ** 8个元素的一维数组array_data。

我有第二个数组array_index，它指定用于切片array_data的 bound ing索引。

以下是array_data和array_index的最小，完整和可验证的示例：

import numpy as np

#Create data
array_data = np.arange(100)

#Randomly create indices
array_index = np.sort(np.random.randint(100, size=(10,2)))

#For each randomly created index, slice the array
array_sliced = [array_data[index[0]:index[1]]) for index in array_index]

#Now data is sliced, perform operation on the sliced data. For example:
val = []
for slice in array_sliced:
    val.append(np.nanmean(slice))

问题：沿array_data用array_index切片axis=1的最佳方法是什么，这样我就可以对切片后的数组执行另一个任务（例如{{ 1}}，min，max）？

目前，我的解决方案使用列表推导并将其转换回numpy数组。这种方法似乎笨拙且缓慢：

mean

编辑：添加了最小，完整和可验证的示例（在python 2.7中有效）。

Answer 1

运行代码时，我会得到一个大小不一的数组的列表：

In [63]: [len(x) for x in array_sliced]
Out[63]: [3, 46, 38, 9, 73, 66, 3, 23, 40, 36]

（您也可以从np.diff(array_index,axis=1)获得此信息）

一个普遍的观察是，当处理不同大小的数组时，很难以任何一种二维方式对其进行处理。

您可能能够生成（10,100）掩码，对于要在每一行中保留的值，为True；对于省略项，为False。也许省略了np.nan。

或者考虑对这10个数组进行填充以使它们适合（10,73）数组，并再次使用适当的填充元素（0，nan等）。

使用2D数组广播1D数组

1 个答案: