我有一个一维 Numpy 数组 A
长度N
.对于每个元素 x
在数组中,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
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)。
最佳答案
这是一个很好的设置来利用 np.searchsorted
——
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)
通过预排序进一步改进: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
.
关于python - Numpy:将数组的每个元素与所有其他元素进行比较(± 常数),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64485475/