2

我有不同的整数开始值和停止值，并且需要介于两者之间的所有整数值作为一个形状数组（theRange，finalLength）中的数组。

例子：

finalLength = 6
start = 2
stop = 3456
theRange = (stop - start) + 1


>>> array([[0, 0, 0, 0, 0, 2],
           [0, 0, 0, 0, 0, 3],
           [0, 0, 0, 0, 0, 4],
           ...,
           [0, 0, 3, 4, 5, 4],
           [0, 0, 3, 4, 5, 5],
           [0, 0, 3, 4, 5, 6]])

>>> array.shape (3455, 6)

因为我需要运行这个函数数十亿次，所以目前的方法是放慢速度。

目前我使用创建所需的范围np.linspace。整数在 ( Split integer into numbers using numpy之后) 被拆分为数字。

如果最大数的位数不等于 finalLength，则添加前导零。最后，将生成的数组翻转并转置为所需的输出格式。我认为整数拆分和转置需要最多的计算时间。

时间随着 finalLength 的增加而增加：Timeit 10000 reps

finalLength = 6 --> 时间：2.815263898999546

finalLength = 12 --> 时间：4.158567378000043

finalLength = 24 --> 时间：5.038266787999419

有没有更快的方法来创建最终数组？

可重现的代码：

import numpy as np

finalLength = 6
start = 2
stop = 3456
theRange = (stop - start) + 1

def makeRangeArray(start, stop, theRange, finalLength):
    # create integers within range
    ll = np.array(np.linspace(start=start, stop=stop, num=theRange), dtype=np.int64)

    # split integers into arrays
    b = 10
    n = np.ceil(np.max(np.log(ll) / np.log(b))).astype(np.int64)
    d = np.arange(n)
    d.shape = d.shape + (1,) * ll.ndim
    out = ll // b ** d % b

    # add leading zeros if necessary
    if finalLength - out.shape[0] != 0:
        addZeros = np.zeros([finalLength - out.shape[0], out.shape[1]], dtype=np.int64)
        out = np.append(out, addZeros, axis=0)  # insert zeros at the end of array

    # flip
    out = np.flip(out, axis=0)

    # transpose to desired final output format
    aaa = out.transpose().reshape((theRange, finalLength))

    return aaa
4

0 回答 0