在 Numpy 行之间进行数学运算的有效方法

Question

这个想法是在Numpy array中的行之间进行减法。

这里提出了列表理解。但是，我想知道是否有更高效和快速的。

目前，当给定一个大的arr 时，建议的解决方案很慢

import numpy as np
nfreq=500
arr=np.array([[11850,0,1],
[12310,0,3],
[13924,0,4],
[16690,0,1],
[17082,0,3],
[18746,0,4],
[21956,0,2],
[22324,0,3],
[23694,0,4],
[25382,0,1],
[25776,0,3],
[28592,0,4],
[31676,0,2],
[32028,0,3],
[33498,0,4]])
trange = np.where(arr == 3)[0]
val=[(arr[x,0],(arr[x,0]-arr[x-1,0])/nfreq,(arr[x+1,0]-arr[x,0])/nfreq) for x in trange]
val=np.array(val)

Answer 1

您可以尝试向量等效，但是由于有 3 个单独的操作，将它们合并到最终数组中仍然存在瓶颈。效率取决于行数。

np.array([arr[trange, 0],
          (arr[trange, 0]-arr[trange-1, 0])/nfreq,
          (arr[trange+1, 0]-arr[trange, 0])/nfreq]).T

输出：

array([[1.2310e+04, 9.2000e-01, 3.2280e+00],
       [1.7082e+04, 7.8400e-01, 3.3280e+00],
       [2.2324e+04, 7.3600e-01, 2.7400e+00],
       [2.5776e+04, 7.8800e-01, 5.6320e+00],
       [3.2028e+04, 7.0400e-01, 2.9400e+00]])

Answer 2

你可以试试

a = arr[trange, 0]
b = (arr[trange, 0] - arr[trange-1, 0])/nfreq
c = (arr[trange+1, 0] - arr[trange, 0])/nfreq

output = np.stack((a,b,c), axis=1)

# array([[1.2310e+04, 9.2000e-01, 3.2280e+00],
#        [1.7082e+04, 7.8400e-01, 3.3280e+00],
#        [2.2324e+04, 7.3600e-01, 2.7400e+00],
#        [2.5776e+04, 7.8800e-01, 5.6320e+00],
#        [3.2028e+04, 7.0400e-01, 2.9400e+00]])