用于计算满足条件的元素数量的 Numpy 掩码
Posted
技术标签:
【中文标题】用于计算满足条件的元素数量的 Numpy 掩码【英文标题】:Numpy mask to count number of elements satisfying a condition 【发布时间】:2018-09-20 13:53:43 【问题描述】:如何使用 Numpy 将这个 for 循环向量化?
count=0
arr1 = np.random.rand(184,184)
for i in range(arr1.size[0]):
for j in range(arr1.size[1]):
if arr1[i,j] > 0.6:
count += 1
print count
我试过了:
count=0
arr1 = np.random.rand(184,184)
mask = (arr1>0.6)
indices = np.where(mask)
print indices , len(indices)
我希望 len(indices) 给出计数,但它没有。请有任何建议。
【问题讨论】:
【参考方案1】:您也可以使用 Numpy 数组的 size 属性:
arr1 = np.random.rand(184,184)
arr1[ arr1 > 0.6 ].size
【讨论】:
【参考方案2】:np.count_nonzero
应该比总和快一点:
np.count_nonzero(arr1 > 0.6)
其实***倍
>>> from timeit import repeat
>>> kwds = dict(globals=globals(), number=10000)
>>>
>>> arr1 = np.random.rand(184,184)
>>>
>>> repeat('np.count_nonzero(arr1 > 0.6)', **kwds)
[0.15281831508036703, 0.1485864429268986, 0.1477385900216177]
>>> repeat('(arr1 > 0.6).sum()', **kwds)
[0.5286932559683919, 0.5260644309455529, 0.5260107989888638]
【讨论】:
【参考方案3】:获取一个布尔掩码并计算“真”:
(arr1 > 0.6).sum()
【讨论】:
这是一个如此紧凑和简单的解决方案,展示了 numpy 的真正力量。将 where 和 count 的两个阶段结合在一起真是太好了。感谢您的精彩回答!以上是关于用于计算满足条件的元素数量的 Numpy 掩码的主要内容,如果未能解决你的问题,请参考以下文章
英特尔 MKL 或一些类似的库是不是提供了一种矢量化方式来计算数组中满足 C 中某些条件的元素数量?
python基于组合逻辑判断替换numpy数组中的满足条件的元素相等判断替换numpy数组中的指定数值为另一个数值大小判断替换numpy数组中大于指定阈值的数值为另一个值