我有一个非常大的整数numpy.array
,其中每个整数的范围是[0, 31]
。计算整数y在numpy数组中整数x之后的频率
我想计数,对于在范围[0, 31]
(例如[0, 1], [7, 9], [18, 0]
)每对整数(a, b)
的频率b
a
之后发生。
这会给我一个(32, 32)
计数矩阵。
我正在寻找一种有效的方式来做到这一点与numpy。原始的python循环会太慢。
我有一个非常大的整数numpy.array
,其中每个整数的范围是[0, 31]
。计算整数y在numpy数组中整数x之后的频率
我想计数,对于在范围[0, 31]
(例如[0, 1], [7, 9], [18, 0]
)每对整数(a, b)
的频率b
a
之后发生。
这会给我一个(32, 32)
计数矩阵。
我正在寻找一种有效的方式来做到这一点与numpy。原始的python循环会太慢。
这里有一种方法......
为了使示例更容易阅读,我将使用的9,而不是31最大值:
In [178]: maxval = 9
做了例如随机输入:
In [179]: np.random.seed(123)
In [180]: x = np.random.randint(0, maxval+1, size=100)
创建的结果,最初所有0:
In [181]: counts = np.zeros((maxval+1, maxval+1), dtype=int)
现在加入1到每个坐标对,使用numpy.add.at
,以确保重复的系统正确计算:
In [182]: np.add.at(counts, (x[:-1], x[1:]), 1)
In [183]: counts
Out[183]:
array([[2, 1, 1, 0, 1, 0, 1, 1, 1, 1],
[2, 1, 1, 3, 0, 2, 1, 1, 1, 1],
[0, 2, 1, 1, 4, 0, 2, 0, 0, 0],
[1, 1, 1, 3, 3, 3, 0, 0, 1, 2],
[1, 1, 0, 1, 1, 0, 2, 2, 2, 0],
[1, 0, 0, 0, 0, 0, 1, 1, 0, 2],
[0, 4, 2, 3, 1, 0, 2, 1, 0, 1],
[0, 1, 1, 1, 0, 0, 2, 0, 0, 3],
[1, 2, 0, 1, 0, 0, 1, 0, 0, 0],
[2, 0, 2, 2, 0, 0, 2, 2, 0, 0]])
例如,次6的数目随后用1是
In [188]: counts[6, 1]
Out[188]: 4
我们可以用下面的表达式来验证:
In [189]: ((x[:-1] == 6) & (x[1:] == 1)).sum()
Out[189]: 4
您可以将numpy的内置diff
例程与布尔数组一起使用。
import numpy as np
test_array = np.array([1, 2, 3, 1, 2, 4, 5, 1, 2, 6, 7])
a, b = (1, 2)
sum(np.bitwise_and(test_array[:-1] == a, np.diff(test_array) == b - a))
# 3
如果您的数组是多维的,您需要首先对其进行平整或对上述代码进行一些小修改。
谢谢你的回答:)即使你的解决方案是优雅的,它实际上比生python循环。 – valentin
这是一个非常优雅的解决方案。虽然我需要调查这个numpy函数实际上是如何工作的,以了解发生了什么! – valentin