Numpy 数组切片

Question

我有一个 1D numpy 数组和一些偏移/长度值。我想从这个数组中提取所有属于偏移量、偏移量+长度的条目，然后用于从原始数组构建一个新的“缩减”数组，该数组仅包含偏移量/长度对选择的那些值.

对于单个偏移量/长度对，这对于标准数组切片 [offset:offset+length] 来说是微不足道的。但是对于许多偏移量/长度值，我怎样才能有效地（即没有任何循环）呢？

谢谢， 标记

Answer 1

>>> import numpy as np
>>> a = np.arange(100)
>>> ind = np.concatenate((np.arange(5),np.arange(10,15),np.arange(20,30,2),np.array([8])))
>>> a[[ind]]
array([ 0,  1,  2,  3,  4, 10, 11, 12, 13, 14, 20, 22, 24, 26, 28,  8])

Answer 2

有天真的方法；只是做切片：

>>> import numpy as np
>>> a = np.arange(100)
>>> 
>>> offset_length = [(3,10),(50,3),(60,20),(95,1)]
>>>
>>> np.concatenate([a[offset:offset+length] for offset,length in offset_length])
array([ 3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 50, 51, 52, 60, 61, 62, 63,
       64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 95])

---

以下可能更快，但您必须进行测试/基准测试。

它通过构建所需索引的列表来工作，这是索引 numpy 数组的有效方法。

>>> indices = [offset + i for offset,length in offset_length for i in xrange(length)]
>>> a[indices]
array([ 3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 50, 51, 52, 60, 61, 62, 63,
       64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 95])

目前尚不清楚这是否真的会比天真的方法更快，但如果您有很多非常短的间隔，则可能是这样。但我不知道。

（这最后一种方法与@fraxel的方案基本相同，只是使用了不同的制作索引列表的方法。）

---

性能测试

我测试了几种不同的情况：一些短间隔、一些长间隔、许多短间隔。我使用了以下脚本：

import timeit

setup = 'import numpy as np; a = np.arange(1000); offset_length = %s'

for title, ol in [('few short', '[(3,10),(50,3),(60,10),(95,1)]'),
                  ('few long', '[(3,100),(200,200),(600,300)]'),
                  ('many short', '[(2*x,1) for x in range(400)]')]:
  print '**',title,'**'
  print 'dbaupp 1st:', timeit.timeit('np.concatenate([a[offset:offset+length] for offset,length in offset_length])', setup % ol, number=10000)
  print 'dbaupp 2nd:', timeit.timeit('a[[offset + i for offset,length in offset_length for i in xrange(length)]]', setup % ol, number=10000)
  print '    fraxel:', timeit.timeit('a[np.concatenate([np.arange(offset,offset+length) for offset,length in offset_length])]', setup % ol, number=10000)

这个输出：

** few short **
dbaupp 1st: 0.0474979877472
dbaupp 2nd: 0.190793991089
    fraxel: 0.128381967545
** few long **
dbaupp 1st: 0.0416231155396
dbaupp 2nd: 1.58000087738
    fraxel: 0.228138923645
** many short **
dbaupp 1st: 3.97210478783
dbaupp 2nd: 2.73584890366
    fraxel: 7.34302687645

这表明我的第一种方法在您有几个间隔时最快（并且明显更快），而我的第二种方法在您有很多间隔时最快。