我有一个结构化的 numpy 格式数组
dataZero = [(1000, 1045), # ('gid','lpid')
(2345, 2500),
... ]
其中包含约 130,000 个条目。我还有另一个格式的结构化数组
dataSnap = [(1002,...,...,...), # ('gid',...)
(2400,...,...,...),
(2490,...,...,...),
... ]
但这包含 200 万个条目。
对于 dataZero 中的每个条目, i ,我想在 dataSnap 中找到条目满足条件 dataZero['gid'][i] <= dataSnap['gid'] <= dataZero['lpid'][i] .这应该允许返回多个条目。它可以返回满足此条件的条目的索引,或条目本身 - 只要我在合理的时间内完成此操作 ~ 分钟。
在上面的例子中,这将返回,例如:
[some code] -> [[0],[1,2],...] # if returning indices of dataSnap
[some code] -> [[(1002,...,...,...)], # if returning the entries themselves
[(2400,...,...,...),(2490,...,...,...)],
...]
我不知道如何快速完成此操作 - for 循环需要很长时间。可能会转换成一组 {}会更好?感谢任何建议/解决方案。
请您参考如下方法:
这是一个使用 Python 排序列表(不是数组)的算法。您可能需要调整它以使用 numpy。
def helper(dataZero, dataSnap): # assumes arguments are sorted ascending!
ds_iter = iter(dataSnap)
curr_snap = next(ds_iter)
for lo, hi in dataZero:
while curr_snap[0] < lo:
curr_snap = next(ds_iter)
while lo <= curr_snap[0] <= hi:
yield curr_snap
curr_snap = next(ds_iter)
result = list(helper(dataZero, dataSnap))
我使用包含 200 万个随机生成条目的 dataSnap 和包含从 dataSnap 中随机选择的 13 万个范围的 dataZero 对此进行了测试。在我的系统上最多只需要几秒钟。
