如何更快地迭代二维的 Python numpy.ndarray答案

【问题标题】：How to faster iterate over a Python numpy.ndarray with 2 dimensions如何更快地迭代二维的 Python numpy.ndarray
【发布时间】：2020-07-14 13:06:48
【问题描述】：

所以，我只是想让这更快：

for x in range(matrix.shape[0]):
        for y in range(matrix.shape[1]):
            if matrix[x][y] == 2 or matrix[x][y] == 3 or matrix[x][y] == 4 or matrix[x][y] == 5 or matrix[x][y] == 6:
                if x not in heights:
                    heights.append(x)

只需遍历一个 2x2 矩阵（通常为 18x18 或 22x22 圆形）并检查它是否为 x。但它有点慢，我想知道哪种方法最快。

非常感谢！

【问题讨论】：

标签： python python-3.x numpy multidimensional-array numpy-ndarray

【解决方案1】：

对于基于 numpy 的方法，您可以这样做：

np.flatnonzero(((a>=2) & (a<=6)).any(1))
# array([1, 2, 6], dtype=int64)

地点：

a = np.random.randint(0,30,(7,7))

print(a)

array([[25, 27, 28, 21, 18,  7, 26],
       [ 2, 18, 21, 13, 27, 26,  2],
       [23, 27, 18,  7,  4,  6, 13],
       [25, 20, 19, 15,  8, 22,  0],
       [27, 23, 18, 22, 25, 17, 15],
       [19, 12, 12,  9, 29, 23, 21],
       [16, 27, 22, 23,  8,  3, 11]])

更大数组的时序：

a = np.random.randint(0,30, (1000,1000))

%%timeit
heights=[]
for x in range(a.shape[0]):
        for y in range(a.shape[1]):
            if a[x][y] == 2 or a[x][y] == 3 or a[x][y] == 4 or a[x][y] == 5 or a[x][y] == 6:
                if x not in heights:
                    heights.append(x)
# 3.17 s ± 59.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%%timeit
yatu = np.flatnonzero(((a>=2) & (a<=6)).any(1))
# 965 µs ± 11.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

np.allclose(yatu, heights)
# true

使用 numpy 进行向量化产生大约 3200x 加速

【讨论】：

还是有点困惑，你介意把它应用到我的问题上，这样我就可以看到它是如何工作的？谢谢！
你还没有共享样本数据。我已经检查过了，这与您的代码完全相同。对于此示例数组，heights 是 [1,2,6] a @LaioZatt
我明白了。我确实设法让它工作，但它似乎并没有更快，至少在做：findHeightsTime = time.time() heights = numpy.flatnonzero(((matrix>=2) & (matrix<=6)).any(1)) heights = heights[::-1] print("findHeightsTime : " + str(time.time() - findHeightsTime))也许我做错了什么？再次感谢 =)
当然可以。您需要检查更大的样本。添加时间@LaioZatt
我没有设法让 '%%timeit' 工作，但我用 time.timeit() 进行了尝试，这段代码的运行速度比我使用的快 40 倍左右。测试中存在这种差异的任何原因？我在做： setup = ''' import numpy ''' code = ''' heights = numpy.flatnonzero(((matrix>=2) & (matrix

【解决方案2】：

您似乎想查找矩阵中是否出现 2、3、4、5 或 6。

您可以使用np.isin() 创建一个真/假值矩阵，然后将其用作索引器：

>>> arr = np.array([1,2,3,4,4,0]).reshape(2,3)
>>> arr[np.isin(arr, [2,3,4,5,6])]
array([2, 3, 4, 4])

（可选）将其转换为纯 Python set()，以便更快地查找 in 并且没有重复。

要获取数组中这些数字出现的位置，请使用argwhere：

>>> np.argwhere(np.isin(arr, [2,3,4,5,6]))
array([[0, 1],
       [0, 2],
       [1, 0],
       [1, 1]])

【讨论】：

我想得到那个 2 或 3 或 4 或 5 或 6 的 X 位置，如果它出现在矩阵中。您的解决方案仍然有效吗？你介意把它应用到我的问题上吗？我是 Python 新手 =P。谢谢！