访问大型 numpy 数组，同时保留其顺序

Posted 2023-02-25

【中文标题】访问大型 numpy 数组，同时保留其顺序

【英文标题】：Accessing a large numpy array while preserving its order

【发布时间】：2021-01-12 12:24:12

【问题描述】：

我想通过索引idx 访问一个numpy 数组data，但仍保留data 中的顺序。下面是一个示例，其中数组的访问顺序与原始数组中的顺序不同。

In [125]: data = np.array([2, 2.2, 2.5])

In [126]: idx=np.array([1,0])

In [127]: data[idx]
Out[127]: array([2.2, 2. ])

我希望得到 [2,2.2] 代替。有没有一种高效的方法来做到这一点？在我的问题设置中，我有超过一百万个浮点数的数据，以及 10 万个整数的 idx。

重要信息：如果需要，可以对数组 data 进行预处理。数据来自图像处理工作。例如，如果我们需要预先对data进行排序，那么在衡量性能时不会考虑排序所消耗的时间。另一方面，idx 是我不想在运行时处理太多的东西，因为必须计算花费在它上面的时间。例如。 使用 O(n log n) 算法对 idx 进行排序可能过于昂贵。

【参考方案1】：

创建一个布尔“掩码”

 mask = np.zeros(data.shape, bool)
 mask[idx] = True
 res = data[mask]

【参考方案2】：

这样的？还是我没看懂？

data=np.array([2,2.2,2.5])
idx=np.array([1,0])
data[np.sort(idx)]

【讨论】：

其中最后一条命令的输出是：>>> array([2. , 2.2])

谢谢，但是“使用 O(n log n) 算法对 idx 进行排序可能太昂贵了。”另一方面，如果需要，可以对数据进行排序。所以我上面的cmets。