Skip to main content
 首页 » 编程设计

从接近阈值的 Numpy 数组中删除元素的 Pythonic 方法

2024年11月24日11fff_TT

从已排序的 Numpy 数组中移除最少数量的元素,以便剩余元素之间的最小距离始终大于某个阈值的最佳方法是什么?

例如,如果阈值为1,则以下序列[0.1, 0.5, 1.1, 2.5, 3.]将变为[0.1, 1.1 , 2.5]。 0.5 被移除,因为它离 0.1 太近了,但是 1.1 被保留了下来,因为它离 0.1 足够远>.

我当前的代码:

import numpy as np 
 
MIN_DISTANCE = 1     
a = np.array([0.1, 0.5, 1.1, 2.5, 3.]) 
 
for i in range(len(a)-1): 
    if(a[i+1] - a[i] < MIN_DISTANCE): 
        a[i+1] = a[i] 
 
a = np.unique(a) 
a 
array([0.1, 1.1, 2.5]) 

有没有更有效的方法?

请注意,我的问题类似于 Remove values from numpy array closer to each other但不完全一样。

请您参考如下方法:

你可以使用 numpy.ufunc.accumulate遍历数组的相邻对而不是 for 循环。


代码:(使用扩展数组来交叉检查一些其他情况,但也适用于您的数组)

import numpy as np 
 
 
MIN_DISTANCE = 1 
a = np.array([0.1, 0.5, 0.6, 0.7, 1.1, 2.5, 3., 4., 6., 6.1]) 
print("original: \n" + str(a)) 
 
 
def my_py_function(arr1, arr2): 
    if(arr2 - arr1 < MIN_DISTANCE): 
        arr2 = arr1 
    return arr2 
 
 
my_np_function = np.frompyfunc(my_py_function, 2, 1) 
 
my_np_function.accumulate(a, dtype=np.object, out=a).astype(float) 
 
 
print("complete: \n" + str(a)) 
a = np.unique(a) 
print("unique: \n" + str(a)) 

结果:

original: 
[0.1 0.5 0.6 0.7 1.1 2.5 3.  4.  6.  6.1] 
complete: 
[0.1 0.1 0.1 0.1 1.1 2.5 2.5 4.  6.  6. ] 
unique: 
[0.1 1.1 2.5 4.  6. ] 

关于执行时间timeit显示阵列长度约为 20 时的转变。

  • 对于长度为 5 的数组,您的代码要快得多(相对)
  • 而对于数组长度 >>20,accumulate 选项会大大加快速度(数组长度为 300 的时间约为 35%)