如何对一个numpy数组进行采样并对每个采样进行有效的计算?[英] How to sample a numpy array and perform computation on each sample efficiently?

本文是小编为大家收集整理的关于如何对一个numpy数组进行采样并对每个采样进行有效的计算?的处理方法,想解了如何对一个numpy数组进行采样并对每个采样进行有效的计算?的问题怎么解决?如何对一个numpy数组进行采样并对每个采样进行有效的计算?问题的解决办法?那么可以参考本文帮助大家快速定位并解决问题。

问题描述

假设我有一个一维数组,我想要的是使用移动窗口进行采样,并在窗口内将每个元素除以第一个元素.

例如,如果我有 [2, 5, 8, 9, 6] 并且窗口大小为 3,则结果将是

[[1, 2.5, 4],
 [1, 1.6, 1.8],
 [1, 1.125, 0.75]].

我现在做的基本上是一个for循环

import numpy as np
arr = np.array([2., 5., 8., 9., 6.])
window_size = 3
for i in range(len(arr) - window_size + 1):
  result.append(arr[i : i + window_size] / arr[i])

等等

当数组很大时它很慢,不知道是否有更好的方法?我想没有办法绕过 O(n^2) 复杂度,但也许 numpy 有一些我不知道的优化.

推荐答案

这是一个使用 的矢量化方法broadcasting -

N = 3  # Window size
nrows = a.size-N+1
a2D = a[np.arange(nrows)[:,None] + np.arange(N)]
out = a2D/a[:nrows,None].astype(float)

我们也可以使用 NumPy strides 来提高效率提取滑动窗口,就像这样 -

n = a.strides[0]
a2D = np.lib.stride_tricks.as_strided(a,shape=(nrows,N),strides=(n,n))

示例运行 -

In [73]: a
Out[73]: array([4, 9, 3, 6, 5, 7, 2])

In [74]: N = 3
    ...: nrows = a.size-N+1
    ...: a2D = a[np.arange(nrows)[:,None] + np.arange(N)]
    ...: out = a2D/a[:nrows,None].astype(float)
    ...: 

In [75]: out
Out[75]: 
array([[ 1.        ,  2.25      ,  0.75      ],
       [ 1.        ,  0.33333333,  0.66666667],
       [ 1.        ,  2.        ,  1.66666667],
       [ 1.        ,  0.83333333,  1.16666667],
       [ 1.        ,  1.4       ,  0.4       ]])

本文地址:https://www.itbaoku.cn/post/1728099.html