Numpy fast for循环
Numpy fast for循环
提问于 2021-02-13 19:10:14
我有一个名为"y“的列表，其中有8个形状为(180000 )的数值数组，现在我想创建一个新的数值数组"Collision”，其形状与计算y的不为0的数值的数量相同。请参见以下示例：
import numpy as np
collisions = np.zeros(len(y[0]), dtype=np.uint8)
for yi in y:
collisions[np.where(yi > 0)] += 1这个函数的计算需要较长的时间。有没有更快的实现来做到这一点？
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-02-13 19:20:18
我不确定为什么你的计算花了这么长的时间，希望这有助于澄清，例如你的数组列表是这样的：
import numpy as np
y = [np.random.normal(0,1,180000) for i in range(8)]运行你的代码，它工作得很好：
collisions = np.zeros(len(y[0]), dtype=np.uint8)
for yi in y:
collisions[np.where(yi > 0)] += 1
collisions
array([4, 2, 4, ..., 4, 4, 5], dtype=uint8)你可以像这样做得更快一点，基本上把你的数组列表变成一个矩阵，然后计算一个>0的行和，但我看不出上面有什么问题：
(np.array(y)>0).sum(axis=0)
array([4, 2, 4, ..., 4, 4, 5])Stack Overflow用户
发布于 2021-02-13 19:33:12
我假设你正在寻找类似这样的东西：
import numpy as np
# simulating your data by randomly generating numbers in [-0.5, 0.5)
y = np.random.rand(8, 180_000) - 0.5
print(y.shape) # (8, 180000)
collisions = np.sum(y > 0, axis=0, dtype=np.uint8)
print(collisions.shape) # (180000,)
print(collisions) # [4 4 4 ... 1 6 7]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/66184421
复制相关文章
相似问题
腾讯云开发者
