有效地计算numpy数组中的零元素？

Question

我需要计算numpy 数组中零元素的数量。我知道 numpy.count_nonzero 函数，但似乎没有用于计算零元素的模拟。

我的数组不是很大（通常少于 1E5 个元素），但操作执行了几百万次。

我当然可以使用len(arr) - np.count_nonzero(arr)，但我想知道是否有更有效的方法。

这是我目前如何做的 MWE：

import numpy as np
import timeit

arrs = []
for _ in range(1000):
    arrs.append(np.random.randint(-5, 5, 10000))


def func1():
    for arr in arrs:
        zero_els = len(arr) - np.count_nonzero(arr)


print(timeit.timeit(func1, number=10))

Answer 1

2x 更快的方法是仅使用 np.count_nonzero()，但根据需要使用 条件。

In [3]: arr
Out[3]: 
array([[1, 2, 0, 3],
      [3, 9, 0, 4]])

In [4]: np.count_nonzero(arr==0)
Out[4]: 2

In [5]:def func_cnt():
            for arr in arrs:
                zero_els = np.count_nonzero(arr==0)
                # here, it counts the frequency of zeroes actually

您也可以使用np.where()，但它比np.count_nonzero() 慢

In [6]: np.where( arr == 0)
Out[6]: (array([0, 1]), array([2, 2]))

In [7]: len(np.where( arr == 0))
Out[7]: 2

---

效率：（按降序排列）

In [8]: %timeit func_cnt()
10 loops, best of 3: 29.2 ms per loop

In [9]: %timeit func1()
10 loops, best of 3: 46.5 ms per loop

In [10]: %timeit func_where()
10 loops, best of 3: 61.2 ms per loop

---

使用加速器实现更多加速

如果您可以使用加速器 (GPU/TPU)，现在可以在 JAX 的帮助下实现超过 3 个数量级的速度提升 .使用 JAX 的另一个优点是 NumPy 代码只需很少修改即可使其与 JAX 兼容。下面是一个可重现的例子：

In [1]: import jax.numpy as jnp
In [2]: from jax import jit

# set up inputs
In [3]: arrs = []
In [4]: for _ in range(1000):
   ...:     arrs.append(np.random.randint(-5, 5, 10000))

# JIT'd function that performs the counting task
In [5]: @jit
   ...: def func_cnt():
   ...:     for arr in arrs:
   ...:         zero_els = jnp.count_nonzero(arr==0)

---

# efficiency test
In [8]: %timeit func_cnt()
15.6 µs ± 391 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)