Python 沿着数组中的轴计算真实条目

发布于04月13日

下面的操作我必须多次进行.使用numpy函数而不是循环，我通常会获得非常好的性能，但我无法将其复制到更高维度的数组中.欢迎任何建议或替代方案:

我有一个布尔数组，我想将真索引传播到接下来的2个位置，例如:

如果该一维数组(A)是:

import numpy as np

# Number of positions to propagate the array
propagation = 2

# Original array
A = np.array([False, True, False, False, False, True, False, False, False, False, False, True, False])

我可以创建一个"空"数组，然后找到索引、传播它们，然后拉平在哪里，然后压平它:

B = np.zeros(A.shape, dtype=bool)

# Compute the indeces of the True values and make the two next to it True as well
idcs_true = np.argwhere(A) + np.arange(propagation + 1)
idcs_true = idcs_true.flatten()
idcs_true = idcs_true[idcs_true < A.size] # in case the error propagation gives a great
B[idcs_true] = True

# Array
print(f'Original array     A = {A}')
print(f'New array (2 true) B = {B}')

其中给出:

Original array     A = [False  True False False False  True False False False False False  True
 False]
New array (2 true) B = [False  True  True  True False  True  True  True False False False  True
  True]

然而，这会变得更加复杂并且失败，例如:

AA = np.array([[False, True, False, False, False, True, False, False, False, False, False, True, False],
               [False, True, False, False, False, True, False, False, False, False, False, True, False]])

感谢任何建议.

import numba import numpy as np @numba.njit(parallel=True) def propagate_true_numba(arr, n=2): out = np.zeros_like(arr, dtype="uint8") for i in numba.prange(arr.shape[0]): prop = 0 for j in range(arr.shape[1]): if arr[i, j] == 1: prop = n out[i, j] = 1 elif prop: prop -= 1 out[i, j] = 1 return out

import numba import numpy as np import perfplot @numba.njit(parallel=True) def propagate_true_numba(arr, n=2): out = np.zeros_like(arr, dtype="uint8") for i in numba.prange(arr.shape[0]): prop = 0 for j in range(arr.shape[1]): if arr[i, j] == 1: prop = n out[i, j] = 1 elif prop: prop -= 1 out[i, j] = 1 return out def _prop_func(A, propagation): B = np.zeros(A.shape, dtype=bool) # Compute the indices of the True values and make the two next to it True as well idcs_true = np.argwhere(A) + np.arange(propagation + 1) idcs_true = idcs_true.flatten() idcs_true = idcs_true[ idcs_true < A.size ] # in case the error propagation gives a great B[idcs_true] = True return B def propagate_true_numpy(arr, n=2): return np.apply_along_axis(_prop_func, 1, arr, n) AA = np.array([[False, True, False, False, False, True, False, False, False, False, False, True, False], [False, True, False, False, False, True, False, False, False, False, False, True, False]]) x = propagate_true_numba(AA, 2) y = propagate_true_numpy(AA, 2) assert np.allclose(x, y) np.random.seed(0) perfplot.show( setup=lambda n: np.random.randint(0, 2, size=(n, n), dtype="uint8"), kernels=[ lambda arr: propagate_true_numpy(arr, 2), lambda arr: propagate_true_numba(arr, 2), ], labels=["numpy", "numba"], n_range=[10, 25, 50, 100, 250, 500, 1000, 2500, 5000], xlabel="N * N", logx=True, logy=True, equality_check=np.allclose, )

Python 沿着数组中的轴计算真实条目

推荐答案

Python相关问答推荐

我必须将Sigmoid函数与r2值的两种类型的数据集(每种6个数据集)进行匹配，然后绘制匹配函数的求导.我会犯错

使用Keras的线性回归参数估计

将DF中的名称与另一DF拆分并匹配并返回匹配的公司

处理带有间隙(空)的duckDB上的重复副本并有效填充它们

' osmnx.shortest_track '返回有效源 node 和目标 node 的'无'

pyscript中的压痕问题

部分视图的DataFrame

如何在turtle中不使用write()来绘制填充字母(例如OEG)

Python脚本使用蓝牙运行在Windows 11与raspberry pi4

python中的解释会在后台调用函数吗？

交替字符串位置的正则表达式

使用Python异步地持久跟踪用户输入

如果有2个或3个，则从pandas列中删除空格

如何在FastAPI中替换Pydantic的constr，以便在BaseModel之外使用？'

Scipy差分进化：如何传递矩阵作为参数进行优化？

Python：从目录内的文件导入目录

如何写一个polars birame到DuckDB

将相应的值从第2列合并到第1列(Pandas )

如何将列表从a迭代到z-以抓取数据并将其转换为DataFrame？

通过对列的其余部分进行采样，在Polars DataFrame中填充_null`？