根据给定条件优化检查numpy数组的每个元素答案

【问题标题】：Optimizing checking each element of numpy array against a given condition根据给定条件优化检查numpy数组的每个元素
【发布时间】：2019-07-19 15:16:12
【问题描述】：

我有一个模拟，它在给定循环中任意多次查看 numpy 数组，以检查是否有任何元素超过了某个阈值。如果一个元素超过了阈值，我需要跟踪是哪个元素这样做了，所以我可以对那个特定的元素进行操作。我有一个功能可以做到这一点，但它是我的代码的主要瓶颈；运行模拟所花费的时间中，大约 90% 的时间都花在了执行这一功能上。

这是我的功能：

    def scanLattice(s_array,t_array,L):
        failures = []
        for i in xrange(L):
            for j in xrange(L):
                if s_array[i,j] >= t_array[i,j]:
                    M = L*j + i
                    failures.append(M)
        return failures

s_array 是要检查其值的数组；它的大小为 [L,L]。 t_array 也是 [L,L] 并保存用于检查 s_array 中的值的阈值。阈值不统一。 t_array 的随机 1% 的元素具有与数组其余部分不同的阈值，这些阈值是统一的。我跟踪这些不统一的站点。因此，我遍历s_array 的行和列并检查t_array 的相应元素，如果满足阈值条件，则将该站点的索引添加到列表中。

任何关于如何以更有效的方式重写此函数的建议将不胜感激。

【问题讨论】：

看看s_array>=t_array和np.where(s_array>=t_array)。

标签： python numpy optimization simulation

【解决方案1】：

您在函数中计算的实际上是扁平数组中的索引列表，它作为多维数组的一维视图。只需计算 s_array 大于或等于 t_array 的值掩码。接下来使用 np.flatnonzero() 隐式展平非假索引上的掩码。还有一个问题。值 L*j+i 是转置数组中的展平索引，因此应用了 ndarray.T

np.flatnonzero((s_array>=t_array).T)

【讨论】：