python - 加速 NumPy 的 where 函数

Question

我正在尝试提取超过某个阈值的一维数字数组的所有值的索引。该数组是1e9长的顺序。

我的方法如下NumPy：

idxs = where(data>threshold) 

这需要 20 分钟以上的时间，这是不可接受的。我怎样才能加快这个功能？或者，有更快的替代方案吗？

（具体来说，在运行 10.6.7、1.86 GHz Intel、4GB RAM 的 Mac OS X 上需要很长时间。）

Answer 1

尝试一个掩码数组。这将创建相同数据的视图。

所以语法是：

 b=a[a>threshold]

b 不是一个新数组（与 where 不同），而是 a 的视图，其中元素与索引中的布尔值相遇。

例子：

import numpy as np
import time

a=np.random.random_sample(int(1e9))

t1=time.time()
b=a[a>0.5]
print(time.time()-t1,'seconds')

在我的机器上，打印22.389815092086792 seconds

---

编辑

我对 np.where 进行了同样的尝试，并且速度一样快。我很怀疑：你是从数组中删除这些值吗？