Python数组中元素的迭代减法
Python数组中元素的迭代减法
提问于 2017-03-24 20:24:39
我有一个很大的块状数组。是否有一种方法可以将每个元素减去其下面的元素，并将结果存储在一个新的列表/数组中，而无需使用循环。
我的意思是一个简单的例子：
a = numpy.array([4,3,2,1])
result = [4-3, 4-2, 4-1, 3-2, 3-1, 2-1] = [1, 2, 3, 1, 2 ,1]请注意，我正在使用的“real”数组不包含按顺序排列的数字。这只是为了使这个例子变得简单。
我知道结果应该是(n-1)！元素，其中n是数组的大小。
有没有一种不使用循环，而是以“智能”的方式重复数组的方法？
谢谢!
回答 4
Stack Overflow用户
回答已采纳
发布于 2017-03-24 21:41:04
下面是一种基于masking的方法，用于广播减法后的提取和掩膜的制作，我们再次使用了broadcasting (可以说是双broadcasting驱动)-
r = np.arange(a.size)
out = (a[:, None] - a)[r[:,None] < r]运行时测试
矢量法-
# @user2357112's solution
def pairwise_diff_triu_indices_based(a):
return (a[:, None] - a)[np.triu_indices(len(a), k=1)]
# Proposed in this post
def pairwise_diff_masking_based(a):
r = np.arange(a.size)
return (a[:, None] - a)[r[:,None] < r]时间安排-
In [109]: a = np.arange(2000)
In [110]: %timeit pairwise_diff_triu_indices_based(a)
10 loops, best of 3: 36.1 ms per loop
In [111]: %timeit pairwise_diff_masking_based(a)
100 loops, best of 3: 11.8 ms per loop更仔细地研究涉及到的性能参数
让我们深入了解一下这个设置的时间，以研究基于掩码的方法有多大帮助。现在，作为比较，有两个部分:掩码创建与索引创建和基于掩码的布尔索引与基于整数的索引。
创建掩码有多大帮助？
In [37]: r = np.arange(a.size)
In [38]: %timeit np.arange(a.size)
1000000 loops, best of 3: 1.88 µs per loop
In [39]: %timeit r[:,None] < r
100 loops, best of 3: 3 ms per loop
In [40]: %timeit np.triu_indices(len(a), k=1)
100 loops, best of 3: 14.7 ms per loop关于5x在创建掩码方面的改进，而不是索引设置。
布尔索引对基于整数的索引有多大帮助？
In [41]: mask = r[:,None] < r
In [42]: idx = np.triu_indices(len(a), k=1)
In [43]: subs = a[:, None] - a
In [44]: %timeit subs[mask]
100 loops, best of 3: 4.15 ms per loop
In [45]: %timeit subs[idx]
100 loops, best of 3: 10.9 ms per loop关于2.5x的改进。
Stack Overflow用户
发布于 2017-03-24 20:39:26
temp = a[:, None] - a
result = temp[np.triu_indices(len(a), k=1)]执行所有成对减法以产生temp，包括从自身减去元素和从后面的元素减去早期元素，然后使用triu_indices来选择我们想要的结果。(a.)
注意，几乎所有的运行时都是从temp构建temp(因为triu_indices慢，并且使用索引选择数组的上三角比较慢)。如果可以直接使用temp，则可以节省大量时间：
In [13]: a = numpy.arange(2000)
In [14]: %%timeit
....: temp = a[:, None] - a
....:
100 loops, best of 3: 6.99 ms per loop
In [15]: %%timeit
....: temp = a[:, None] - a
....: result = temp[numpy.triu_indices(len(a), k=1)]
....:
10 loops, best of 3: 51.7 ms per loopStack Overflow用户
发布于 2017-03-24 20:32:59
a = [4, 3, 2, 1]
differences = ((x - y) for i, x in enumerate(a) for y in a[i+1:])
for diff in differences:
# do something with difference.
pass页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/43008527
复制相关文章
相似问题
腾讯云开发者
