高效选择numpy数组的分段

Question

我想根据逻辑比较将numpy数组分成三个不同的数组。我想分割的numpy数组叫做x。它的外形看起来如下，但它的条目有所不同：（针对Saullo卡斯特罗的评论我包括一个稍微不同的数组x）

array([[ 0.46006547, 0.5580928 , 0.70164242, 0.84519205, 1.4  ], 
     [ 0.00912908, 0.00912908, 0.05  , 0.05  , 0.05  ]]) 

此阵的这值单调沿柱增加。我还有另外两个阵列叫lowest_gridpoints和highest_gridpoints。这些阵列的条目也有所不同，但形状总是相同的以下内容：

array([ 0.633, 0.01 ]), array([ 1.325, 0.99 ]) 

选择过程我想申请如下：

• 含有值比任何值的情况下的所有列lowest_gridpoints应从x中删除并构成阵列temp1。
• 包含高于highest_gridpoints中任何值的值的所有列应从x中删除并构成阵列temp2。
• 包含在temp1或temp2中的所有列x构成阵列x_new。

我写的以下代码实现了该任务。

if np.any(x[:,-1] > highest_gridpoints) or np.any(x[:,0] < lowest_gridpoints): 
    for idx, sample, in enumerate(x.T): 
     if np.any(sample > highest_gridpoints): 
      max_idx = idx 
      break 
     elif np.any(sample < lowest_gridpoints): 
      min_idx = idx 
    temp1, temp2 = np.array([[],[]]), np.array([[],[]]) 
    if 'min_idx' in locals(): 
     temp1 = x[:,0:min_idx+1] 
    if 'max_idx' in locals(): 
     temp2 = x[:,max_idx:] 
    if 'min_idx' in locals() or 'max_idx' in locals(): 
     if 'min_idx' not in locals(): 
      min_idx = -1 
     if 'max_idx' not in locals(): 
      max_idx = x.shape[1] 
     x_new = x[:,min_idx+1:max_idx] 

但是，我怀疑这个代码是非常低效的，因为大量使用循环。另外，我认为语法臃肿。

有人有一个代码的想法，实现上述任务更有效或看起来简洁吗？

Answer 1

只有你的问题

from numpy import * 

x = array([[ 0.46006547, 0.5580928 , 0.70164242, 0.84519205, 1.4  ], 
      [ 0.00912908, 0.00912908, 0.05  , 0.05  , 0.05  ]]) 

low, high = array([ 0.633, 0.01 ]), array([ 1.325, 0.99 ]) 

# construct an array of two rows of bools expressing your conditions 
indices1 = array((x[0,:]<low[0], x[1,:]<low[1])) 
print indices1 

# do an or of the values along the first axis 
indices1 = any(indices1, axis=0) 
# now it's a single row array 
print indices1 

# use the indices1 to extract what you want, 
# the double transposition because the elements 
# of a 2d array are the rows 
tmp1 = x.T[indices1].T 
print tmp1 

# [[ True True False False False] 
# [ True True False False False]] 
# [ True True False False False] 
# [[ 0.46006547 0.5580928 ] 
# [ 0.00912908 0.00912908]] 

的第一部分，接下来的构造类似indices2和tmp2，剩余的指标是or ING前两个指数的否定。 （即，numpy.logical_not(numpy.logical_or(i1,i2))）。

附录

另一种方法，有可能更快，如果你有成千上万的条目，意味着numpy.searchsorted

from numpy import * 

x = array([[ 0.46006547, 0.5580928 , 0.70164242, 0.84519205, 1.4  ], 
      [ 0.00912908, 0.00912908, 0.05  , 0.05  , 0.05  ]]) 

low, high = array([ 0.633, 0.01 ]), array([ 1.325, 0.99 ]) 

l0r = searchsorted(x[0,:], low[0], side='right') 
l1r = searchsorted(x[1,:], low[1], side='right') 

h0l = searchsorted(x[0,:], high[0], side='left') 
h1l = searchsorted(x[1,:], high[1], side='left') 

lr = max(l0r, l1r) 
hl = min(h0l, h1l) 

print lr, hl 
print x[:,:lr] 
print x[:,lr:hl] 
print x[:,hl] 

# 2 4 
# [[ 0.46006547 0.5580928 ] 
# [ 0.00912908 0.00912908]] 
# [[ 0.70164242 0.84519205] 
# [ 0.05  0.05  ]] 
# [ 1.4 0.05] 

剔除重叠可通过hl = max(lr, hl)获得。注意，在previuos方法中，数组切片被复制到新对象，在这里您可以获得x上的视图，如果需要新对象，则必须明确。

编辑一个不必要的优化

如果我们只使用x上部第二夫妇sortedsearch ES（如果你看一下代码，你会明白我的意思？）我们有两个好处，1）搜索速度非常小（总是足够快），并且2）重叠的情况是自动管理的。

作为奖励，在新阵列中复制x段的代码。 NB x改为强制重叠

from numpy import * 

# I changed x to force overlap 
x = array([[ 0.46006547, 1.4 ,  1.4, 1.4, 1.4  ], 
      [ 0.00912908, 0.00912908, 0.05, 0.05, 0.05  ]]) 

low, high = array([ 0.633, 0.01 ]), array([ 1.325, 0.99 ]) 

l0r = searchsorted(x[0,:], low[0], side='right') 
l1r = searchsorted(x[1,:], low[1], side='right') 
lr = max(l0r, l1r) 

h0l = searchsorted(x[0,lr:], high[0], side='left') 
h1l = searchsorted(x[1,lr:], high[1], side='left') 

hl = min(h0l, h1l) + lr 

t1 = x[:,range(lr)] 
xn = x[:,range(lr,hl)] 
ncol = shape(x)[1] 
t2 = x[:,range(hl,ncol)] 

print x 
del(x) 
print 
print t1 
print 
# note that xn is a void array 
print xn 
print 
print t2 

# [[ 0.46006547 1.4   1.4   1.4   1.4  ] 
# [ 0.00912908 0.00912908 0.05  0.05  0.05  ]] 
# 
# [[ 0.46006547 1.4  ] 
# [ 0.00912908 0.00912908]] 
# 
# [] 
# 
# [[ 1.4 1.4 1.4 ] 
# [ 0.05 0.05 0.05]]