![](/img/trans.png)
[英]Efficient algoritm to compare each element in a Numpy array with each other element in the same array
[英]Numpy: compare each element of array with all other elements (± constant)
我有一个长度为N
一维 Numpy 数组A
。 对于数组中的每个元素x
,我想知道数组中所有元素在 [ x-eps
; 范围内的比例是多少? x+eps
],其中eps
是一个常数。 N
的数量级为 15,000。
目前我是这样做的(最小的例子):
import numpy as np
N = 15000
eps = 0.01
A = np.random.rand(N, 1)
prop = np.array([np.mean((A >= x - eps) & (A <= x + eps)) for x in A])
.. 在我的电脑上大约需要 1 秒。
我的问题:有没有更有效的方法来做到这一点?
编辑:我认为@jdehesa 在评论中的建议如下:
prop = np.isclose(A, A.T, atol=eps, rtol=0).mean(axis=1)
这是一个很好的简洁解决方案,但没有速度优势(在我的电脑上)。
这是利用np.searchsorted
的一个很好的设置 -
sidx = A.argsort()
ridx = np.searchsorted(A, A+eps, 'right', sorter=sidx)
lidx = np.searchsorted(A, A-eps, 'left', sorter=sidx)
out = ridx - lidx
时间——
In [71]: N = 15000
...: eps = 0.01
...: A = np.random.rand(N)
In [72]: %timeit np.array([np.sum((A >= x - eps) & (A <= x + eps)) for x in A])
560 ms ± 5.15 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [73]: %%timeit
...: sidx = A.argsort()
...: ridx = np.searchsorted(A, A+eps, 'right', sorter=sidx)
...: lidx = np.searchsorted(A, A-eps, 'left', sorter=sidx)
...: out = ridx - lidx
5.35 ms ± 47.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
预排序的进一步改进:
In [81]: %%timeit
...: sidx = A.argsort()
...: b = A[sidx]
...: ridx = np.searchsorted(b, A+eps, 'right')
...: lidx = np.searchsorted(b, A-eps, 'left')
...: out = ridx - lidx
3.93 ms ± 19.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
如评论中所述,对于mean
等效版本,只需将最终数组输出除以N
。
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.