我有一个整数数组:
[int1, int2, ..., intn]
我想计算这些整数的二进制表示中有多少非零位。例如:
bin(123) -> 0b1111011, there are 6 non-zero bits
当然我可以遍历整数列表,使用 bin()
和 count('1')
功能,但我正在寻找矢量化的方式来做到这一点。
最佳答案
假设你的数组是 a
,你可以简单地做:
np.unpackbits(a.view('uint8')).sum()
例子:a = np.array([123, 44], dtype=np.uint8)
#bin(a) is [0b1111011, 0b101100]
np.unpackbits(a.view('uint8')).sum()
#9
对比 使用
benchit
:#@Ehsan's solution
def m1(a):
return np.unpackbits(a.view('uint8')).sum()
#@Valdi_Bo's solution
def m2(a):
return sum([ bin(n).count('1') for n in a ])
in_ = [np.random.randint(100000,size=(n)) for n in [10,100,1000,10000,100000]]
m1 明显更快。关于python - numpy矢量化方法来计算整数数组中的非零位,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63954102/