新numpy的阵列我有2个numpy的数组:创建基于条件
aa = np.random.rand(5,5)
bb = np.random.rand(5,5)
如何创建,其具有值1时aa和bb的超过0.5的新数组?
新numpy的阵列我有2个numpy的数组:创建基于条件
aa = np.random.rand(5,5)
bb = np.random.rand(5,5)
如何创建,其具有值1时aa和bb的超过0.5的新数组?
随着焦点上的性能和使用两种方法可以增加几aproaches。一种方法是获取有效值的布尔数组,并使用.astype() method
转换为int
数据类型。另一种方式可能涉及使用np.where
,让我们根据相同的布尔数组在0
和1
之间进行选择。因此,基本上我们会有两种方法,一种是利用高效的数据类型转换,另一种是使用选择标准。现在,布尔数组可以通过两种方式获得 - 一种使用简单比较,另一种使用np.logical_and
。所以,用两种方式来获得布尔阵列和两个方法为布尔数组转换为int
阵列,我们最终会得到四种实现以下所列 -
out1 = ((aa>0.5) & (bb>0.5)).astype(int)
out2 = np.logical_and(aa>0.5, bb>0.5).astype(int)
out3 = np.where((aa>0.5) & (bb>0.5),1,0)
out4 = np.where(np.logical_and(aa>0.5, bb>0.5), 1, 0)
你可以玩的数据类型使用较少精确类型,这不应该伤害,因为我们将值设置为0
和1
。利益应该是显着的加速,因为它利用了内存效率。我们可以使用int8
, uint8
, np.int8
, np.uint8
types。因此,使用新int
数据类型的前面列出方法的变种会 -
out5 = ((aa>0.5) & (bb>0.5)).astype('int8')
out6 = np.logical_and(aa>0.5, bb>0.5).astype('int8')
out7 = ((aa>0.5) & (bb>0.5)).astype('uint8')
out8 = np.logical_and(aa>0.5, bb>0.5).astype('uint8')
out9 = ((aa>0.5) & (bb>0.5)).astype(np.int8)
out10 = np.logical_and(aa>0.5, bb>0.5).astype(np.int8)
out11 = ((aa>0.5) & (bb>0.5)).astype(np.uint8)
out12 = np.logical_and(aa>0.5, bb>0.5).astype(np.uint8)
运行测试(如我们的重点是表现这个职位) -
In [17]: # Input arrays
...: aa = np.random.rand(1000,1000)
...: bb = np.random.rand(1000,1000)
...:
In [18]: %timeit ((aa>0.5) & (bb>0.5)).astype(int)
...: %timeit np.logical_and(aa>0.5, bb>0.5).astype(int)
...: %timeit np.where((aa>0.5) & (bb>0.5),1,0)
...: %timeit np.where(np.logical_and(aa>0.5, bb>0.5), 1, 0)
...:
100 loops, best of 3: 9.13 ms per loop
100 loops, best of 3: 9.16 ms per loop
100 loops, best of 3: 10.4 ms per loop
100 loops, best of 3: 10.4 ms per loop
In [19]: %timeit ((aa>0.5) & (bb>0.5)).astype('int8')
...: %timeit np.logical_and(aa>0.5, bb>0.5).astype('int8')
...: %timeit ((aa>0.5) & (bb>0.5)).astype('uint8')
...: %timeit np.logical_and(aa>0.5, bb>0.5).astype('uint8')
...:
...: %timeit ((aa>0.5) & (bb>0.5)).astype(np.int8)
...: %timeit np.logical_and(aa>0.5, bb>0.5).astype(np.int8)
...: %timeit ((aa>0.5) & (bb>0.5)).astype(np.uint8)
...: %timeit np.logical_and(aa>0.5, bb>0.5).astype(np.uint8)
...:
100 loops, best of 3: 5.6 ms per loop
100 loops, best of 3: 5.61 ms per loop
100 loops, best of 3: 5.63 ms per loop
100 loops, best of 3: 5.63 ms per loop
100 loops, best of 3: 5.62 ms per loop
100 loops, best of 3: 5.62 ms per loop
100 loops, best of 3: 5.62 ms per loop
100 loops, best of 3: 5.61 ms per loop
In [20]: %timeit 1 * ((aa > 0.5) & (bb > 0.5)) #@BPL's vectorized soln
100 loops, best of 3: 10.2 ms per loop
谢谢@Divakar,这是一个非常明确和很好的答案 – user308827
这是怎么回事?
import numpy as np
aa = np.random.rand(5, 5)
bb = np.random.rand(5, 5)
print aa
print bb
cc = 1 * ((aa > 0.5) & (bb > 0.5))
print cc
当AA的元件和BB在索引i超过大于0.5,那么新的数组 在索引具有1 I
aa = np.random.rand(5,5)
bb = np.random.rand(5,5)
new_arr = []
for i in range(5):
for j in range(5):
if aa[i] >0.5 and bb[i]>0.5:
new_arr[i] = 1
else:
new_arr[i] = "any Value You want
使用Numpy而不使用ufuncs(特别是如果它们存在的话)永远不会是答案。 –
你可以通过这种方式获得真正的性能问题。 –
'numpy'的目的是利用矢量化。这显然不是使用'numpy'的最好方法,或者你不知道'numpy'是如何工作的。 – rayryeng
你是什么意思时,既aa和bb超过0,aa和bb是包含范围在[0-1] – BPL
之间的值的矩阵,对不起,已更新的问题。两者都应该超过0.5 – user308827
当它们低于0.5时会发生什么?相应的值是0吗? – ayhan