python - 计算 numpy 列表中项目的精确共现次数

Question

我正在尝试找出最快的方法来计算两个值在 numpy 列表中一个接一个地出现的次数。

例如:

列表 = [1, 5, 4, 1, 2, 4, 6, 7, 2, 1, 3, 3, 1, 2] 我想计算值 1 跟随值 2 的次数(反之亦然)

在上面的示例中，答案应该是 1，因为 1 只跟在 2 之后一次。

显然，我可以通过一个简单的 for 循环得出答案，每当项目 i 等于 1 且项目 i-1 时，该循环就会添加到计数器中 等于2，但我觉得一定有更快的方法，

谢谢

Answer 1

你可以使用 np.diff 来做到这一点和 np.where :

import numpy as np

mylist = [1, 5, 4, 1, 2, 4, 6, 7, 2, 1, 3, 3, 1, 2]

# Turn your list into a numpy array
myarray = np.array(mylist)

# find occurences where myarray is 2 and the following element is 2 minus 1
np.sum((myarray[:-1] == 2) & (np.diff(myarray) == -1))

返回 1

大型阵列的计时:

在一个小列表上，迭代方法和 numpy 方法之间的时间差异不会很明显。但是在大型数组上，如下例所示，numpy 的性能要好得多。

import timeit

mylist = np.random.choice(range(0,9), 1000000)

def np_method(mylist = mylist):
    return np.sum((mylist[:-1] == 2) & (np.diff(mylist) == -1))

def zip_loop(a = mylist):
    return len( [1 for i,j in zip(a, a[1:]) if i == 2 and j == 1] )

def for_loop(list1 = mylist):
    count=0
    desired_num=2
    follower_num=1
    for i in range(len(list1)-1):
        if list1[i]==desired_num:
            if list1[i+1]==follower_num:
                count+=1
    return count

>>> timeit.timeit(np_method, number = 100) / 100
0.006748438189970329

>>> timeit.timeit(zip_loop, number = 100) / 100
0.3811768989200209

>>> timeit.timeit(for_loop, number = 100) / 100
0.3774999916599336