numpy.choose 32选择限制

低和看，我升级到1.5.1后遇到numpy.choose回归。据我所知，过去的版本（和数字）支持一个无限数量的潜在选择。 “新”选择限于32. Here is a post其中一位用户对回归感到悲叹。numpy.choose 32选择限制

我有一个包含100个选项（0-99）的列表，用于修改数组。作为解决方法，我使用下面的代码。可以理解的是，它比使用选择慢7倍。我不是C程序员，虽然我想解决这个问题，但我想知道还有其他可能更快的解决方法。思考？

d={...} #A dictionary with my keys and their new mappings 
for key, value in d.iteritems(): 
    array[array==key]=value

来源

2012-07-19 Jzl5325

我是否正确理解'd'的键是数字0到99？ – 2012-07-19 22:22:28

是的。 d是数字。 – Jzl5325 2012-07-19 22:30:55

我推测，d有钥匙0到99。在这种情况下，解决方案非常简单。首先，将d的值写入NumPy数组values，方法d[i] == values[i] - 无论如何，这似乎是这些值的自然数据结构。然后，你可以通过

values[array]

如果要修改array到位，简单地做

array[:] = values[array]

来源

2012-07-19 22:28:07

什么是数组[：]功能称为？我想更详细地了解numpy文档中发生的情况。 – Jzl5325 2012-07-19 23:49:13

@ Jzl5325：这是切片整个阵列。它实际上不是NumPy特有的，而是一般的Python。检查官方的Python教程，它解释了切片的工作原理。 – 2012-07-19 23:53:36

Gotcha。我之前没有使用[：]，但可以看到很多用途。 =语法是抛出我的东西（尽管它工作得很好）。我们不是分配变量，而是通过=来运行if语句。它读取“如果输入数组中的值等于values数组中的索引，则用数值编号替换输入数组编号”？谢谢！ – Jzl5325 2012-07-20 03:08:45

我不知道高效地访问与替换值新的阵列，它不是就地（NB：我不经常使用numpy - 所以有点生锈）：

import numpy as np 

d = {0: 5, 1: 3, 2: 20} 
data = np.array([[1, 0, 2], [2, 1, 1], [1, 0, 1]]) 
new_data = np.array([d.get(i, i) for i in data.flat]).reshape(data.shape) # adapt for list/other

来源

2012-07-19 22:47:02

NumPy的全部意义在于避免Python循环转而使用C语言实现的隐式循环。这个代码迭代了单一值，所以它肯定不是很快。 – 2012-07-19 23:33:13

@SvenMarnach我知道numpy是如何工作的。 '.flat'是低层次的，从列表中产生的数组是低层次的，重新构造并不复杂，因此，作为一个kludge，它可能并不是最差的。在33种选择中，它也可以无限加快:) – 2012-07-19 23:38:24

如果数组巨大，即使有33种选择，它也可能比原始代码慢。 – 2012-07-19 23:50:42

numpy.choose 32选择限制

回答

相关问题