更快的方法来阈值 4-D numpy 阵列

Question

我有一个大小为 (98,359,256,269) 的 4D numpy 数组，我想设置阈值。 现在，我有两个单独的列表，分别保存前 2 维和后 2 维的坐标。 （前 2 个维度的 mag_ang 和后 2 个维度的索引）。

指数大小：(61821,2)

mag_ang 的大小：（35182,2）

目前，我的代码如下所示：

inner_points = []

for k in indices:
    x = k[0]
    y = k[1]
    for i,ctr in enumerate(mag_ang):
        mag = ctr[0]
        ang = ctr[1]
        if X[mag][ang][x][y] > 10:
            inner_points.append((y,x))

这段代码有效，但速度很慢，我想知道是否有更多的pythonic/更快的方法来做到这一点？

Answer 1

直接使用numpy 。 如果indices和mag_ang是 numpy arrays 两列，每列对应适当的坐标：

(x, y), (mag, ang) = indices.T, mag_ang.T
index_matrix = np.meshgrid(mag, ang, x, y).T.reshape(-1,4)
inner_mag, inner_ang, inner_x, inner_y = np.where(X[index_matrix] > 10)

现在你的inner...变量为每个坐标保存 arrays 。 要获得一个单一的 par 列表，您可以 zip inner_y和inner_x 。

Answer 2

（编辑：添加了第二种替代方法）

使用 numpy 多数组索引：

import time

import numpy as np

n_mag, n_ang, n_x, n_y = 10, 12, 5, 6
shape = n_mag, n_ang, n_x, n_y
X = np.random.random_sample(shape) * 20

nb_indices = 100 # 61821
indices = np.c_[np.random.randint(0, n_x, nb_indices), np.random.randint(0, n_y, nb_indices)]

nb_mag_ang = 50 # 35182
mag_ang = np.c_[np.random.randint(0, n_mag, nb_mag_ang), np.random.randint(0, n_ang, nb_mag_ang)]

# original method
inner_points = []
start = time.time()
for x, y in indices:
    for mag, ang in mag_ang:
        if X[mag][ang][x][y] > 10:
            inner_points.append((y, x))
end = time.time()
print(end - start)

# faster method 1:
inner_points_faster1 = []
start = time.time()
for x, y in indices:
    if np.any(X[mag_ang[:, 0], mag_ang[:, 1], x, y] > 10):
        inner_points_faster1.append((y, x))
end = time.time()
print(end - start)

# faster method 2:
start = time.time()
# note: depending on the real size of mag_ang and indices, you may wish to do this the other way round ?
found = X[:, :, indices[:, 0], indices[:, 1]][mag_ang[:, 0], mag_ang[:, 1], :] > 10
# 'found' shape is (nb_mag_ang x nb_indices)
assert found.shape == (nb_mag_ang, nb_indices)
matching_indices_mask = found.any(axis=0)
inner_points_faster2 = indices[matching_indices_mask, :]
end = time.time()
print(end - start)

# finally assert equality of findings
inner_points = np.unique(np.array(inner_points))
inner_points_faster1 = np.unique(np.array(inner_points_faster1))
inner_points_faster2 = np.unique(inner_points_faster2)
assert np.array_equal(inner_points, inner_points_faster1)
assert np.array_equal(inner_points, inner_points_faster2)

产量

0.04685807228088379
0.0
0.0

（当然，如果你增加形状，第二个和第三个时间不会为零）

最后说明：这里我在最后使用“唯一”，但最好提前为indices和mag_ang arrays 做这件事（除非你确定它们已经是唯一的）

Answer 3

这里有一些利用broadcasting的 vecorized 方式 -

thresh = 10
mask = X[mag_ang[:,0],mag_ang[:,1],indices[:,0,None],indices[:,1,None]]>thresh
r = np.where(mask)[0]
inner_points_out = indices[r][:,::-1]

对于较大的 arrays，我们可以先比较然后索引来获取掩码 -

mask = (X>thresh)[mag_ang[:,0],mag_ang[:,1],indices[:,0,None],indices[:,1,None]]

如果您只对indices的唯一坐标感兴趣，请直接使用掩码 -

inner_points_out = indices[mask.any(1)][:,::-1]

对于大型 arrays，我们还可以通过numexpr模块利用多核。

因此，首先导入模块 -

import numexpr as ne

然后，在前面列出的计算中将 ( (X>thresh)替换为ne.evaluate('X>thresh') 。

Answer 4

使用np.where

inner = np.where(X > 10)
a, b, x, y = zip(*inner)
inner_points = np.vstack([y, x]).T