如何在处理过程中“模拟”numpy.delete答案

【问题标题】：How to "simulate" numpy.delete during processing如何在处理过程中“模拟”numpy.delete
【发布时间】：2014-09-04 03:29:54
【问题描述】：

为了加快我的算法的速度，这个算法有数万个元素的numpy数组，我想知道我是否可以减少numpy.delete()使用的时间。

事实上，如果我可以消除它呢？我有一个算法，其中有我的数组alpha。这就是我目前正在做的事情：

alpha = np.delete(alpha, 0)
beta = sum(alpha)

但是为什么我需要删除第一个元素呢？是否可以使用除第一个元素之外的所有元素简单地总结整个数组？这会减少删除操作所用的时间吗？

【问题讨论】：

【解决方案1】：

尽可能避免使用np.delete。它returns a a new array，这意味着必须分配新内存，并且（几乎）所有原始数据都必须复制到新数组中。这很慢，所以尽可能避免它。

beta = alpha[1:].sum()

应该更快。

还要注意sum(alpha) 正在调用Python builtin function sum。这不是对 NumPy 数组中的项目求和的最快方法。

alpha[1:].sum() 调用 NumPy array method sum 更快。

请注意，如果您在循环中调用alpha.delete，则代码可能会删除原始alpha 中的第一个元素。在这种情况下，正如 Sven Marnach 指出的那样，像这样计算所有部分和会更有效：

np.cumsum(alpha[:0:-1])[::-1]

【讨论】：

谢谢。不过，我实际上并没有使用 sum，我只是将其用于演示任何数组计算。在我的代码中，我实际上使用的是 logsumexp() （来自 scipy 库）。你碰巧知道这个吗？ stackoverflow.com/questions/25651480/…
每次迭代对 alpha[idx:] 求和是相当低效的，因为你一遍又一遍地对数组的整个尾部求和。您可以通过使用（线性时间）numpy.cumsum(alpha[::-1])[::-1] 来避免这种情况，它可以一步计算从末尾开始的累积总和。