Question

我正在尝试进行类似于searchsorted的操作，但是在数组不是完全单调的情况下。假设我有一个标量c和一维数组x，我想找到所有元素i的索引x[i] < c <= x[i + 1]。重要的是，x并非完全单调。

以下代码有效，但我只想知道这是否是最有效的方法，或者是否有简单的方法：

x = np.array([1,2,3,1,2,3,1,2,3])
c = 2.5
t = c > x[:-1]
u = c <= x[1:]
v = t*u
i = v.nonzero()[0]

或在一行代码中：

i = ( (c > x[:-1]) * (c <= x[1:] ).nonzero()[0]

这是恢复这些索引的最有效方法吗？

另外两个问题。

是否有一种简单的方法可以将其扩展到c是一维数组，而x是2D数组，其中c具有与“ x中的“行”，我对c的相应“行”中x的每个元素执行此搜索？
我的最终目标是使用三维案例来做到这一点。也就是说，假设c仍然是具有n元素的一维向量。现在，让x为3D数组，其尺寸为j乘n乘k。是否可以对x中的每个“子矩阵”执行上面的＃1？基本上，在j次以上执行＃1。

例如：

x1 = np.array([1,2,3,1,2,3],[1,2,3,1,2,3],[1,2,3,1,2,3])
x2 = x1 + 1
x = np.array([x1,x2])
c = np.array([1.5,2.5,3.5])

在上面的＃1中，当我们比较c和x1时，我们将得到：[[0,4],[1,5],[]]

比较c和x2时，将得到：[[],[0,4],[1,5]]

最后，在＃2下，我想得到：

[[[0,4],[1,5],[]],
 [[],[0,4],[1,5]]]

Answer 1

我们可以进行一次比较以提供布尔掩码，然后以否定的方式重复使用它来获得另一个比较数组，还可以使用切片-

m = c > x
i = np.flatnonzero( m[:-1] & ~m[1:] )

我们可以通过循环将其扩展为x的{{1}}和2D的{{1}}，并通过循环对其进行最小化计算，方法是预先计算掩码生成以向量化的方式，就像这样-

Answer 2

在这样的任务上，numpy进行了太多的比较。您可以通过Numba赢得5倍的奖励。轻松适应3个维度。

@numba.njit
def ind(x,c):
    res = empty_like(x)
    i=j=0
    while i < x.size-1:
        if x[i]<c and c<=x[i+1]:
            res[j]=i
            j+=1
        i+=1 
    return res[:j]

非单调数组中的有效Numpy搜索

2 个答案: