अन्य सरणी

Question

के साथ स्लिमिंग numpy सरणी मुझे स्लाइड्स लेने की आवश्यकता वाले पूर्णांक की एक बड़ी आयामी सरणी मिली है। यह छोटा है, मैं बस a[start:end] करता हूं। समस्या यह है कि मुझे इन स्लाइसों में से अधिक की आवश्यकता है। a[start:end] काम नहीं करता है अगर प्रारंभ और अंत सरणी हैं। इसके लिए लूप का उपयोग किया जा सकता है, लेकिन मुझे इसे यथासंभव तेज़ होने की आवश्यकता है (यह एक बाधा है), इसलिए एक देशी numpy समाधान का स्वागत किया जाएगा।

बेहतर तरीके से समझने के लिए, मैं इस है:

a = numpy.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], numpy.int16) 
start = numpy.array([1, 5, 7], numpy.int16) 
end = numpy.array([2, 10, 9], numpy.int16) 

और किसी भी तरह इस में यह करने की जरूरत है: (हालांकि @ mgilson की टिप्पणी नोटों के रूप में

[[1], [5, 6, 7, 8, 9], [7, 8]] 

Answer 1

यह नहीं एक "शुद्ध" numpy समाधान है , यह कैसे अनियमित उत्पादन एक numpy सरणी हो सकता है देखने के लिए) कठिन है, लेकिन:

a = numpy.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], numpy.int16) 
start = numpy.array([1, 5, 7], numpy.int16) 
end = numpy.array([2, 10, 9], numpy.int16) 

map(lambda range: a[range[0]:range[1]],zip(start,end)) 

आप हो जाता है:

[array([1], dtype=int16), array([5, 6, 7, 8, 9], dtype=int16), array([7, 8], dtype=int16)] 

आवश्यकतानुसार।

Answer 2

ऐसा करने के लिए कोई स्पष्ट तरीका नहीं है। ध्यान दें कि चूंकि यह अनियमित है, यह केवल सरणी/स्लाइस की सूची होगी। हालांकि मैं इसे सभी (बाइनरी) ufuncs के लिए जोड़ना चाहता हूं जो लगभग सभी कार्यों में numpy (या वे कम से कम उन पर आधारित हैं) हैं, reduceat विधि है, जो वास्तव में स्लाइस की सूची बनाने से बचने में आपकी मदद कर सकती है, और इस तरह, अगर स्लाइस छोटे हैं, ऊपर गणना भी की गति:

In [1]: a = np.arange(10) 

In [2]: np.add.reduceat(a, [0,4,7]) # add up 0:4, 4:7 and 7:end 
Out[2]: array([ 6, 15, 24]) 

In [3]: np.maximum.reduceat(a, [0,4,7]) # maximum of each of those slices 
Out[3]: array([3, 6, 9]) 

In [4]: w = np.asarray([0,4,7,10]) # 10 for the total length 

In [5]: np.add.reduceat(a, w[:-1]).astype(float)/np.diff(w) # equivalent to mean 
Out[5]: array([ 1.5, 5. , 8. ]) 

संपादित करें: चूंकि आपके स्लाइस ओवरलैप, मैं जोड़ देगा कि यह ठीक भी है:

# I assume that start is sorted for performance reasons. 
reductions = np.column_stack((start, end)).ravel() 
sums = np.add.reduceat(a, reductions)[::2] 

[::2] कोई बड़ा होना चाहिए सामान्य रूप से यहां सौदे करें, क्योंकि ओवरलैपिंग स्लाइस के लिए कोई वास्तविक अतिरिक्त काम नहीं किया जाता है।

स्लाइस के साथ यहां एक समस्या है जिसके लिए stop==len(a) है। इससे बचा जाना चाहिए। आप इसके साथ ठीक एक टुकड़ा है, तो आप सिर्फ reductions = reductions[:-1] कर सकता है (अपने पिछले एक हैं), लेकिन अन्यथा आप बस reduceat चाल करने के लिए a के लिए एक मूल्य संलग्न करने के लिए की आवश्यकता होगी:

a = np.concatenate((a, [0])) 

के रूप में एक मूल्य को जोड़ने अंत में कोई फर्क नहीं पड़ता क्योंकि आप स्लाइस पर काम करते हैं।

Answer 3

यह (लगभग?) शुद्ध numpy में मुखौटा सरणी और घुमावदार चाल का उपयोग कर किया जा सकता है।

>>> indices = numpy.arange(a.size) 
>>> mask = ~((indices >= start[:,None]) & (indices < end[:,None])) 

या अधिक बस:

>>> mask = (indices < start[:,None]) | (indices >= end[:,None]) 

मुखौटा False (यानी मूल्यों नकाबपोश नहीं) है उन सूचियों के शुरू होने से मूल्य को >= और < अंत मान रहे हैं के लिए सबसे पहले, हम हमारे मुखौटा बनाने । (None के साथ स्लाइसिंग (उर्फ numpy.newaxis) प्रसारण को सक्षम करने वाला एक नया आयाम जोड़ता है।) अब हमारे मुखौटा इस तरह दिखता है:

>>> mask 
array([[ True, False, True, True, True, True, True, True, True, 
     True, True, True], 
     [ True, True, True, True, True, False, False, False, False, 
     False, True, True], 
     [ True, True, True, True, True, True, True, False, False, 
     True, True, True]], dtype=bool) 

अब हम सरणी फैलाने के लिए stride_tricks का उपयोग कर मुखौटा फिट करने के लिए है:

>>> as_strided = numpy.lib.stride_tricks.as_strided 
>>> strided = as_strided(a, mask.shape, (0, a.strides[0])) 
>>> strided 
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], 
     [ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], 
     [ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]], dtype=int16) 

यह एक 3x12 सरणी की तरह दिखता है, लेकिन एक ही में प्रत्येक पंक्ति अंक याद। अब हम उन्हें एक नकाबपोश सरणी में गठजोड़ कर सकते हैं:

>>> numpy.ma.array(strided, mask=mask) 
masked_array(data = 
[[-- 1 -- -- -- -- -- -- -- -- -- --] 
[-- -- -- -- -- 5 6 7 8 9 -- --] 
[-- -- -- -- -- -- -- 7 8 -- -- --]], 
      mask = 
[[ True False True True True True True True True True True True] 
[ True True True True True False False False False False True True] 
[ True True True True True True True False False True True True]], 
     fill_value = 999999) 

यह आप के लिए क्या पूछा के रूप में काफी समान नहीं है, लेकिन यह इसी तरह से व्यवहार करना चाहिए।

Answer 4

इसी तरह के समाधान जैसे timday। इसी प्रकार की गति:

a = np.random.randint(0,20,1e6) 
start = np.random.randint(0,20,1e4) 
end = np.random.randint(0,20,1e4) 

def my_fun(arr,start,end): 
     return arr[start:end] 

%timeit [my_fun(a,i[0],i[1]) for i in zip(start,end)] 
%timeit map(lambda range: a[range[0]:range[1]],zip(start,end)) 

100 loops, best of 3: 7.06 ms per loop 100 loops, best of 3: 6.87 ms per loop

Answer 5

आप एक पंक्ति में यह चाहते हैं, यह होगा:

x=[list(a[s:e]) for (s,e) in zip(start,end)]