用于比较两个 NumPy 数组的元素广播？

Question

假设我有一个这样的数组：

import numpy as np

base_array = np.array([-13, -9, -11, -3, -3, -4,   2,  2,
                         2,  5,   7,  7,  8,  7,  12, 11])

假设我想知道：“ base_array有多少个元素大于 4？” 这可以简单地通过利用广播来完成：

np.sum(4 < base_array)

答案是7 。 现在，假设我不想与单个值进行比较，而是想在数组上执行此操作。 换句话说，每个值c在comparison_array ，找出许多元素如何base_array是大于c 。 如果我以天真的方式这样做，它显然会失败，因为它不知道如何正确广播它：

comparison_array = np.arange(-13, 13)
comparison_result = np.sum(comparison_array < base_array)

输出：

Traceback (most recent call last):
  File "<pyshell#87>", line 1, in <module>
    np.sum(comparison_array < base_array)
ValueError: operands could not be broadcast together with shapes (26,) (16,) 

如果我能以某种方式有每个元素comparison_array拿到转播到base_array的形状，这将解决这个问题。 但我不知道如何进行这样的“逐元素广播”。

现在，我知道如何使用列表理解为这两种情况实现这一点：

first = sum([4 < i for i in base_array])
second = [sum([c < i for i in base_array])
          for c in comparison_array]
print(first)
print(second)

输出：

7
[15, 15, 14, 14, 13, 13, 13, 13, 13, 12, 10, 10, 10, 10, 10, 7, 7, 7, 6, 6, 3, 2, 2, 2, 1, 0]

但众所周知，这将比在较大数组上正确矢量化的numpy实现慢numpy数量级。 那么，我应该如何在numpy执行此操作以使其快速？ 理想情况下，此解决方案应扩展到广播工作的任何类型的操作，而不仅仅是本示例中的大于或小于。

Answer 1

您可以简单地向比较数组添加一个维度，以便比较沿着新维度在所有值上“延伸”。

>>> np.sum(comparison_array[:, None] < base_array)
228

这是 广播的基本原理，适用于各种操作。

如果需要沿轴求和，只需指定比较后要沿其求和的轴即可。

>>> np.sum(comparison_array[:, None] < base_array, axis=1)
array([15, 15, 14, 14, 13, 13, 13, 13, 13, 12, 10, 10, 10, 10, 10,  7,  7,
        7,  6,  6,  3,  2,  2,  2,  1,  0])

Answer 2

您将需要转置用于广播的数组之一以使其正常工作。 当您一起广播两个数组时，维度会对齐，并且任何单位维度都有效地扩展到它们匹配的非单位大小。 所以两个大小为(16, 1) （原始数组）和(1, 26) （比较数组）的数组将广播到(16, 26) 。

不要忘记对大小为 16 的维度求和：

(base_array[:, None] > comparison_array).sum(axis=1)

切片中的None等效于np.newaxis ：它是在指定索引处插入新单位维度的众多方法之一。 你不需要做comparison_array[None, :]是广播排列最高维度，并自动填充最低维度。

Answer 3

这是一个np.searchsorted专注于内存效率和性能 -

def get_comparative_sum(base_array, comparison_array):
    n = len(base_array)
    base_array_sorted = np.sort(base_array)
    idx = np.searchsorted(base_array_sorted, comparison_array, 'right')
    idx[idx==n] = n-1
    return n - idx - (base_array_sorted[idx] == comparison_array)

时间——

In [40]: np.random.seed(0)
    ...: base_array = np.random.randint(-1000,1000,(10000))
    ...: comparison_array = np.random.randint(-1000,1000,(20000))

# @miradulo's soln
In [41]: %timeit np.sum(comparison_array[:, None] < base_array, axis=1)
1 loop, best of 3: 386 ms per loop

In [42]: %timeit get_comparative_sum(base_array, comparison_array)
100 loops, best of 3: 2.36 ms per loop