假设我有一个像这样的 np.array:
a = [1, 3, 4, 5, 60, 43, 53, 4, 46, 54, 56, 78]
有没有一种快速的方法来获取所有 3 个连续数字都超过某个阈值的位置的索引?也就是说,对于某个阈值 th
,获取所有 x
所在的位置:
a[x]>th and a[x+1]>th and a[x+2]>th
示例:对于阈值 40 和上面给出的列表,x 应该是 [4,8,9]
。
非常感谢。
最佳答案
方法 #1
对比较后得到的 bool 数组的掩码使用卷积
-
In [40]: a # input array
Out[40]: array([ 1, 3, 4, 5, 60, 43, 53, 4, 46, 54, 56, 78])
In [42]: N = 3 # compare N consecutive numbers
In [44]: T = 40 # threshold for comparison
In [45]: np.flatnonzero(np.convolve(a>T, np.ones(N, dtype=int),'valid')>=N)
Out[45]: array([4, 8, 9])
方法 #2
使用binary_erosion
-
In [77]: from scipy.ndimage.morphology import binary_erosion
In [31]: np.flatnonzero(binary_erosion(a>T,np.ones(N, dtype=int), origin=-(N//2)))
Out[31]: array([4, 8, 9])
方法 #3(特定情况):少量连续数字检查
为了检查如此少量的连续数字(在本例中为三个),我们还可以对比较掩码进行切片
以获得更好的性能-
m = a>T
out = np.flatnonzero(m[:-2] & m[1:-1] & m[2:])
基准测试
来自给定样本的 100000
重复/平铺数组的计时 -
In [78]: a
Out[78]: array([ 1, 3, 4, 5, 60, 43, 53, 4, 46, 54, 56, 78])
In [79]: a = np.tile(a,100000)
In [80]: N = 3
In [81]: T = 40
# Approach #3
In [82]: %%timeit
...: m = a>T
...: out = np.flatnonzero(m[:-2] & m[1:-1] & m[2:])
1000 loops, best of 3: 1.83 ms per loop
# Approach #1
In [83]: %timeit np.flatnonzero(np.convolve(a>T, np.ones(N, dtype=int),'valid')>=N)
100 loops, best of 3: 10.9 ms per loop
# Approach #2
In [84]: %timeit np.flatnonzero(binary_erosion(a>T,np.ones(N, dtype=int), origin=-(N//2)))
100 loops, best of 3: 11.7 ms per loop
关于python - 检查数组中是否有 3 个连续值高于某个阈值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51702622/