11

我试图找到最快的方法来为二维排序数组的每一行找到第一个非零值。从技术上讲，数组中唯一的值是零和一，并且是“排序的”。

例如，数组可能如下所示：

v =

0 0 0 1 1 1 1 
0 0 0 1 1 1 1 
0 0 0 0 1 1 1 
0 0 0 0 0 0 1 
0 0 0 0 0 0 1 
0 0 0 0 0 0 1 
0 0 0 0 0 0 0

我可以使用 argmax 函数

argmax(v, axis=1))

找到它何时从零变为一，但我相信这会在每一行上进行详尽的搜索。我的数组大小合理（~2000x2000）。argmax 仍然会优于仅对 for 循环中的每一行执行搜索排序方法，还是有更好的选择？

此外，数组将始终使得一行的第一个位置始终> = 其上方行中的第一个位置（但不能保证最后几行中会有一个）。我可以利用 for 循环和每行的“起始索引值”来利用它，该值等于前一行中第一个 1 的位置，但我认为 numpy argmax 函数仍将优于用 python 编写的循环，这是否正确.

我只是对替代方案进行基准测试，但数组的边长可能会发生很大变化（从 250 到 10,000）。

4

2 回答 2

7

使用np.where相当快：

>>> a
array([[0, 0, 0, 1, 1, 1, 1],
       [0, 0, 0, 1, 1, 1, 1],
       [0, 0, 0, 0, 1, 1, 1],
       [0, 0, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 0, 0]])
>>> np.where(a>0)
(array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 3, 4, 5]), array([3, 4, 5, 6, 3, 4, 5, 6, 4, 5, 6, 6, 6, 6]))

这提供了坐标值大于 0 的元组。

您还可以使用 np.where 来测试每个子数组：

def first_true1(a):
    """ return a dict of row: index with value in row > 0 """
    di={}
    for i in range(len(a)):
        idx=np.where(a[i]>0)
        try:
            di[i]=idx[0][0]
        except IndexError:
            di[i]=None    

    return di

印刷：

{0: 3, 1: 3, 2: 4, 3: 6, 4: 6, 5: 6, 6: None}

即第0行：索引3>0；第 4 行：索引 4>0；第 6 行：没有大于 0 的索引

正如您所怀疑的，argmax 可能更快：

def first_true2():
    di={}
    for i in range(len(a)):
        idx=np.argmax(a[i])
        if idx>0:
            di[i]=idx
        else:
            di[i]=None    

    return di       
    # same dict is returned...

如果您可以处理没有Nonefor rows of all naughts 的逻辑，那么这会更快：

def first_true3():
    di={}
    for i, j in zip(*np.where(a>0)):
        if i in di:
            continue
        else:
            di[i]=j

    return di

这是一个在 argmax 中使用轴的版本（如您的评论中所建议）：

def first_true4():
    di={}
    for i, ele in enumerate(np.argmax(a,axis=1)):
        if ele==0 and a[i][0]==0:
            di[i]=None
        else:
            di[i]=ele

    return di

对于速度比较（在您的示例数组上），我得到这个：

            rate/sec usec/pass first_true1 first_true2 first_true3 first_true4
first_true1   23,818    41.986          --      -34.5%      -63.1%      -70.0%
first_true2   36,377    27.490       52.7%          --      -43.6%      -54.1%
first_true3   64,528    15.497      170.9%       77.4%          --      -18.6%
first_true4   79,287    12.612      232.9%      118.0%       22.9%          --

如果我将其缩放到 2000 X 2000 np 数组，这就是我得到的：

            rate/sec  usec/pass first_true3 first_true1 first_true2 first_true4
first_true3        3 354380.107          --       -0.3%      -74.7%      -87.8%
first_true1        3 353327.084        0.3%          --      -74.6%      -87.7%
first_true2       11  89754.200      294.8%      293.7%          --      -51.7%
first_true4       23  43306.494      718.3%      715.9%      107.3%          --
于 2012-07-31T04:02:39.180 回答
4

argmax() 使用 C 级循环，它比 Python 循环快得多，所以我认为即使你用 Python 编写一个智能算法，也很难击败 argmax()，你可以使用 Cython 来加速：

@cython.boundscheck(False)
@cython.wraparound(False) 
def find(int[:,:] a):
    cdef int h = a.shape[0]
    cdef int w = a.shape[1]
    cdef int i, j
    cdef int idx = 0
    cdef list r = []
    for i in range(h):
        for j in range(idx, w):
            if a[i, j] == 1:
                idx = j
                r.append(idx)
                break
        else:
            r.append(-1)
    return r

在我的 2000x2000 矩阵的 PC 上，它是 100us 对 3ms。

于 2012-07-31T02:15:59.487 回答