交错两个 numpy 索引数组,每个数组中的一项

Posted

技术标签:

【中文标题】交错两个 numpy 索引数组,每个数组中的一项【英文标题】:Interleaving two numpy index arrays, one item from each array 【发布时间】:2012-08-03 08:30:18 【问题描述】:

我有两个有序的 numpy 数组,我想将它们交错,以便我从第一个数组中获取一个项目,然后从第二个数组中获取另一个,然后返回到第一个 - 获取下一个大于我刚才的那个的项目从第二个等等开始。 这些实际上是其他数组的索引数组,只要操作是矢量化的,我就可以对原始数组进行操作(当然,将索引数组作为向量操作处理会很棒)。

示例(可以假设数组的交集为空)

a = array([1,2,3,4,7,8,9,10,17])
b = array([5,6,13,14,15,19,21,23])

我想得到 [1,5,7,13,17,19]

【问题讨论】:

仅供参考,我做了一些测试,这个pure python solution 实际上比numpy-based solution 快,至少根据我的测试。 【参考方案1】:

我认为您将很难将numpy 矢量化应用于此问题并保持线性性能。这需要存储相当多的状态:a 中的当前索引、b 中的当前索引和threshold 中的当前索引。 numpy 没有提供很多有状态的向量化函数。事实上,我脑海中唯一能想到的就是ufunc.reduce,它不太适合这个问题——尽管它当然可以被硬塞到工作中。

事实上,就在我发布此消息后,我的浏览器更新为excellent vectorized solution。但该解决方案需要排序,即 O(n log n);事实上,经过一些测试,我发现下面的纯 python 解决方案对于所有输入都更快!

def interleave_monotonic(a, b):
    try:
        a = iter(a)
        threshold = next(a)
        yield threshold
        for current in b:
            if current > threshold:
                threshold = current
                yield threshold
                while current <= threshold:
                    current = next(a)
                threshold = current
                yield threshold
    except StopIteration:
        return

请注意,如果a 为空,则返回一个空的迭代器,但如果b 为空,则返回一个包含a 的第一个值的单项迭代器。我认为这与您的示例一致,但这是一个我不确定的极端情况。此外,基于numpy 的解决方案表现出略微不同的行为,始终以a[0]b[0] 中的较小者开头,而以上始终以a 的第一个值开头,无论如何。我修改了上面的内容以检查以下测试,这些测试清楚地表明纯 python 解决方案是最快的。

定义:

def interleave_monotonic_np(a, b):
    ab = np.hstack((a, b))
    s = np.argsort(ab)
    t = np.hstack((np.zeros_like(a), np.ones_like(b)))[s]
    return ab[s][np.concatenate(([True], t[1:] != t[:-1]))]

def interleave_monotonic(a, b):
    a, b = (a, b) if a[0] <= b[0] else (b, a)
    try:
        a = iter(a)
        threshold = next(a)
        yield threshold
        for current in b:
            if current > threshold:
                threshold = current
                yield threshold
                while current <= threshold:
                    current = next(a)
                threshold = current
                yield threshold
    except StopIteration:
        return

def interleave_monotonic_py(a, b):
    return numpy.fromiter(interleave_monotonic(a, b), dtype='int64')

def get_a_b(n):
    rnd = random.sample(xrange(10 ** 10), n * 2)
    return sorted(rnd[0::2]), sorted(rnd[1::2])

测试:

>>> for e in range(7):
...         a, b = get_a_b(10 ** e)
...         print (interleave_monotonic_np(a, b) == 
...                interleave_monotonic_py(a, b)).all()
...         %timeit interleave_monotonic_np(a, b)
...         %timeit interleave_monotonic_py(a, b)
...

True
10000 loops, best of 3: 85.6 us per loop
100000 loops, best of 3: 5.53 us per loop
True
10000 loops, best of 3: 91.7 us per loop
100000 loops, best of 3: 9.19 us per loop
True
10000 loops, best of 3: 144 us per loop
10000 loops, best of 3: 46.5 us per loop
True
1000 loops, best of 3: 711 us per loop
1000 loops, best of 3: 445 us per loop
True
100 loops, best of 3: 6.67 ms per loop
100 loops, best of 3: 4.42 ms per loop
True
10 loops, best of 3: 135 ms per loop
10 loops, best of 3: 55.7 ms per loop
True
1 loops, best of 3: 1.58 s per loop
1 loops, best of 3: 654 ms per loop

【讨论】:

+1 然后简单地使用np.fromiter(interleave_monotonic(a,b),np.int)【参考方案2】:

你可以把问题分成两部分:

    使ab 迭代器仅在它们满足时才产生值 比一些threshold 大。 使用 itertools(本质上是 George Sakkis 的循环方法)在两个迭代器之间交替。

import itertools
import numpy as np

a = np.array([1,2,3,4,7,8,9,10,17])
b = np.array([5,6,13,14,15,19,21,23])

def takelarger(iterable):
    for x in iterable:
        if x > takelarger.threshold:
            takelarger.threshold = x
            yield x
takelarger.threshold = 0

def alternate(*iterables):
    # Modified version of George Sakkis' roundrobin recipe
    # http://docs.python.org/library/itertools.html#recipes
    pending = len(iterables)
    nexts = itertools.cycle(iter(it).next for it in iterables)
    while pending:
        try:
            for n in nexts:
                yield n()
        except StopIteration:
            # Unlike roundrobin, stop when any iterable has been consumed
            break

def interleave(a, b):
    takelarger.threshold = 0
    return list(alternate(takelarger(a),takelarger(b)))

print(interleave(a,b))

产量

[1, 5, 7, 13, 17, 19]

【讨论】:

谢谢。非常优雅的解决方案。我希望找到一个具有数组操作的解决方案,该解决方案将以“矢量化”方式工作,并且希望更快。【参考方案3】:

受其他帖子的启发,我对纯 python 代码有另一个想法,它需要事先排序,但与 a 和 b 对称

def myIterator4(a, b):
    curr = iter(a)
    next = iter(b)
    try:
        max = curr.next()
        tmp = next.next() #  Empty iterator if b is empty
        while True:
            yield max
            while tmp<=max:
                tmp = next.next()           
            max = tmp
            curr, next  = next, curr
    except StopIteration:
        return  

如果 a 或 b 为空,则返回空迭代器。

【讨论】:

【参考方案4】:

矢量化解决方案(教学风格,易于理解)

我们可以通过使用判别器索引扩充数组来将其向量化,例如 a 被标记为 0 并且 b 被标记为 1

a_t = np.vstack((a, np.zeros_like(a)))
b_t = np.vstack((b, np.ones_like(b)))

现在,让我们组合和排序:

c = np.hstack((a_t, b_t))[:, np.argsort(np.hstack((a, b)))]
array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 13, 14, 15, 17, 19, 21, 23],
       [ 0,  0,  0,  0,  1,  1,  0,  0,  0,  0,  1,  1,  1,  0,  1,  1,  1]])

你可以看到现在元素是有序的但保留了它们的标签,所以我们可以看到哪些元素来自ab

所以,让我们选择第一个元素以及标签从0(对于a)变为1(对于b)并再次返回的每个元素:

c[:, np.concatenate(([True], c[1, 1:] != c[1, :-1]))][0]
array([ 1,  5,  7, 13, 17, 19])

高效的矢量化解决方案

您可以通过将项目及其标签保存在单独(但并行)的数组中来稍微更有效地做到这一点:

ab = np.hstack((a, b))
s = np.argsort(ab)
t = np.hstack((np.zeros_like(a), np.ones_like(b)))[s]
ab[s][np.concatenate(([True], t[1:] != t[:-1]))]
array([ 1,  5,  7, 13, 17, 19])

这比上面的方案效率略高;我得到的平均时间是 45 微秒,而不是 90 微秒,尽管您的条件可能会有所不同。

【讨论】:

【参考方案5】:
a = [1,2,3,4,7,8,9,10,17]
b = [5,6,13,14,15,19,21,23]
c=[]
c.append(a[0])  #add the first element to c
i=True          #breaking condition
loop=2          #initially we to choose b
while i:
    if loop==2:
        val=c[-1]
        temp_lis=d([x-val for x in b])  #find the difference between every
                                        # element and the last element of c and
                                        # pick the smallest positive value.

        for k,y in enumerate(temp_lis):
            if y>0:
                c.append(b[k])
                break
        else:
            i=False        #use for-else loop for determining the breaking condition


        loop=1   #change the loop to 1
    elif loop==1:
        val=c[-1]
        temp_lis=[x-val for x in a]
        for k,y in enumerate(temp_lis):
            if y>0:
                c.append(a[k])
                break
        else:
            i=False


        loop=2

print c  

输出:

[1, 5, 7, 13, 17, 19]

【讨论】:

以上是关于交错两个 numpy 索引数组,每个数组中的一项的主要内容,如果未能解决你的问题,请参考以下文章

如何对齐两个大小不等的时间序列numpy数组?

两个 1D numpy / torch 数组的特殊索引以生成另一个数组

交错形状不匹配的 NumPy 数组

NumPy 数组切片索引

将交错的 NumPy 整数数组转换为 complex64 的最快方法是啥?

numpy数组中的轴索引如何?