![](/img/trans.png)
[英]How to efficiently index numpy 1d arrays by rows of a 2d boolean array
[英]How to efficiently index into a 1D numpy array via slice ranges
我有一个很大的一维数据阵列。 我在这些数据中有一个starts
索引数组,其中发生了重要的事情。 我希望如此,我得到的长度窗口拿到范围的数组L
,一个在每个起点starts
。 Bogus样本数据:
data = np.linspace(0,10,50)
starts = np.array([0,10,21])
length = 5
我想本能地做点什么
data[starts:starts+length]
但实际上,我需要将starts
转换为范围“窗口”的2D数组。 来自函数式语言,我会把它想象成从列表到列表列表的map
,例如:
np.apply_along_axis(lambda i: np.arange(i,i+length), 0, starts)
但这不起作用,因为apply_along_axis
只允许标量返回值。
你可以这样做:
pairs = np.vstack([starts, starts + length]).T
ranges = np.apply_along_axis(lambda p: np.arange(*p), 1, pairs)
data[ranges]
或者你可以用列表理解来做到这一点:
data[np.array([np.arange(i,i+length) for i in starts])]
或者你可以迭代地做。 (的Bleh。)
是否有一种简洁,惯用的方式在这样的某些起点切入数组? (原谅这个笨拙的新手。)
data = np.linspace(0,10,50)
starts = np.array([0,10,21])
length = 5
对于NumPy这样做的唯一方法,您可以使用此处所述的numpy.meshgrid()
http://docs.scipy.org/doc/numpy/reference/generated/numpy.meshgrid.html
正如hpaulj在评论中指出的那样,这个问题实际上并不需要meshgrid,因为你可以使用数组广播。
http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html
# indices = sum(np.meshgrid(np.arange(length), starts))
indices = np.arange(length) + starts[:, np.newaxis]
# array([[ 0, 1, 2, 3, 4],
# [10, 11, 12, 13, 14],
# [21, 22, 23, 24, 25]])
data[indices]
回报
array([[ 0. , 0.20408163, 0.40816327, 0.6122449 , 0.81632653],
[ 2.04081633, 2.24489796, 2.44897959, 2.65306122, 2.85714286],
[ 4.28571429, 4.48979592, 4.69387755, 4.89795918, 5.10204082]])
如果需要花费大量时间,可以使用as_strided()
创建一个滑动的windows data
数组
data = np.linspace(0,10,50000)
length = 5
starts = np.random.randint(0, len(data)-length, 10000)
from numpy.lib.stride_tricks import as_strided
sliding_window = as_strided(data, (len(data) - length + 1, length),
(data.itemsize, data.itemsize))
然后你可以使用:
sliding_window[starts]
得到你想要的。
它也比创建索引数组更快。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.