[英]Apply function along ranges in numpy array
说我有以下numpy数组:
a = np.arange(20)
还有一个包含索引的数组,如下所示:
ix = np.array([4,10,15])
我一直在试图想出一个量化的解决了以下问题:我如何才能沿着应用功能, a
使用的索引被分裂ix
?
所以说,我哪里拆分a
与np.split
(我只使用np.split
这里说明组,我想在这里应用功能):
np.split(a,ix)
[array([0, 1, 2, 3]),
array([4, 5, 6, 7, 8, 9]),
array([10, 11, 12, 13, 14]),
array([15, 16, 17, 18, 19])]
并举例说,我想取每个块的总和,因此给出:
[6, 39, 60, 85]
我如何使用numpy
将其向量化?
我不知道这是否是最好的解决方案,但是您可以通过添加零将具有不同大小的数组列表转换为固定大小的数组列表。 然后实现诸如sum之类的不受零影响的函数。
请参阅下面的示例。
a = np.arange(20)
ix = np.array([4,10,15])
b = np.split(a,ix)
print(b)
结果是
[array([0, 1, 2, 3]),
array([4, 5, 6, 7, 8, 9]),
array([10, 11, 12, 13, 14]),
array([15, 16, 17, 18, 19])]
然后使用itertools 从此处将列表转换为数组
import itertools
c = np.array(list(itertools.zip_longest(*b, fillvalue=0))).T
print(c)
导致
[[ 0 1 2 3 0 0]
[ 4 5 6 7 8 9]
[10 11 12 13 14 0]
[15 16 17 18 19 0]]
然后使用
np.sum(c, axis = 1)
结果是
array([ 6, 39, 60, 85])
split
生成数组列表,其长度可能不同。 它实际上是反复进行的
In [12]: alist = []
In [13]: alist.append(a[0:idx[0]])
In [14]: alist.append(a[idx[0]:idx[1]])
In [15]: alist.append(a[idx[1]:idx[2]])
....
将sum
分别应用于列表的每个元素是有意义的:
In [11]: [np.sum(row) for row in alist]
Out[11]: [6, 39, 60, 85]
当您拥有形状各异的数组列表时,可以肯定的是,您将必须对其进行Python级迭代。
快速的“向量化”意味着以编译后的代码执行计算。 大多数是围绕多维数组构建的,例如二维数组。 如果split
产生的数组大小相等,则可以将np.sum
与相应的axis参数一起使用。
In [23]: a1 = a.reshape(4,5)
In [24]: a1
Out[24]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
In [25]: np.sum(a1, axis=1)
Out[25]: array([10, 35, 60, 85])
有时我们可以玩弄技巧,将问题转化为第一个问题,例如,如果拆分的第一个数组用0填充。但是该转化本身可能需要迭代。
如此处(及其链接)所述,AttributeError的起源:对象没有将属性' ufunc
( ufunc
)函数应用于对象dtype数组,最终将操作委派给了对象的相应方法。 但这仍然涉及对象的(近)Python级迭代。
一些时间:
In [57]: timeit [np.sum(row) for row in alist]
31.7 µs ± 1.21 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
In [58]: timeit np.sum(list(itertools.zip_longest(*alist, fillvalue=0)),axis=0)
25.2 µs ± 82 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
In [59]: timeit np.nansum(pd.DataFrame(alist), axis=1)
908 µs ± 28.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [61]: timeit np.frompyfunc(sum,1,1)(alist)
12.9 µs ± 21.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
在这最后一种情况下,Python的sum
比np.sum
快。 但是列表理解也是这样:
In [63]: timeit [sum(row) for row in alist]
6.86 µs ± 13.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
使用Divakar的wiz-bang fillna
, Numpy:通过用零填充空元素来修复具有不同长度的行的数组
In [70]: timeit numpy_fillna(np.array(alist)).sum(axis=1)
44.2 µs ± 208 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
一旦有了多维数组,numpy代码就会很快。 但是,如果从列表开始,甚至从数组列表开始,Python列表方法通常会更快。 构造数组(或数据框)所花费的时间从来都不短。
大熊猫解决方案将是:
import numpy as np
import pandas as pd
a = np.arange(20)
ix = np.array([4, 10, 15])
data = pd.DataFrame(np.split(a, ix))
print(np.nansum(data, axis=1))
产量
[ 6. 39. 60. 85.]
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.