Skip to main content
 首页 » 编程设计

python之根据不同大小的数组 Y 的条件屏蔽数组 X

2025年02月15日10kuangbin

我有两个不同大小的 1-dim 数组 X 和 Y。我正在尝试构建由 X 和 Y 条件产生的 2-dim 数组。例如:

X = np.array([0.3, 2.1, 4.3]) 
Y = np.array([1.5, 3.5]) 
mask = X > Y[:,np.newaxis] 

现在我想执行类似于 X[mask] = X[mask] + 1 的操作,因此对于上面的示例,它会导致:

newX = np.array([0.3, 3.1, 5.3],[0.3, 2.1, 5.3]]) 

我通过以下方式获得了这个结果:

newX = np.append(X, X).reshape(2,3) 
newX[mask]=newX[mask]+1 

但这硬编码了 Y 数组的长度(示例中为 2),并包含一个带有 np.append 的副本,这在 X 和 Y 实际上是大型数组(而且它可能也很丑陋)。有正确的方法吗?

请您参考如下方法:

在这种特殊情况下,您希望在 mask 为 True 时加 1, 也许最简单的方法是利用广播和 dtype 提升——也就是说, bool 值在数字上下文中被视为整数。

In [49]: X + mask 
Out[49]:  
array([[ 0.3,  3.1,  5.3], 
       [ 0.3,  2.1,  5.3]]) 

如果可能,使用广播代替 X 的显式平铺副本。 但是,如果您需要 newX,您可以使用

In [54]: np.tile(X, (Y.size,1)) 
Out[54]:  
array([[ 0.3,  2.1,  4.3], 
       [ 0.3,  2.1,  4.3]]) 

np.tile避免了由 np.outer 完成的乘法运算,因此速度更快。


例如,使用此设置:

import numpy as np 
import timeit  
import collections 
import matplotlib.pyplot as plt 
 
timing = collections.defaultdict(list) 
Ns = np.linspace(10, 10000, 5).astype(int) 
Ms = np.linspace(10, 10000, 5).astype(int) 
 
for N, M in zip(Ns, Ms): 
    X = np.random.random(N) 
    Y = np.random.random(M) 
    timing['tile'].append(timeit.timeit( 
        'np.tile(X, (Y.size,1))', 
        'from __main__ import np, X, Y', 
        number=10)) 
    timing['outer'].append(timeit.timeit( 
        'np.outer(np.ones_like(Y),X)', 
        'from __main__ import np, X, Y', 
        number=10)) 
 
 
plt.plot(Ns*Ms, timing['tile'], label='tile') 
plt.plot(Ns*Ms, timing['outer'], label='outer') 
plt.legend(loc='best') 
plt.show() 

随着数组的大小变大,tile 和 outer 之间的区别 应该相对于总时间减少,因为 在 RAM 中分配/管理大型数组/交换淹没了相对较小的数组 计算成本。