web-dev-qa-db-ja.com

numpyを使用した配列の効率的なしきい値フィルター

特定のしきい値よりも低い要素を削除するには、配列をフィルター処理する必要があります。私の現在のコードは次のようなものです：

threshold = 5
a = numpy.array(range(10)) # testing data
b = numpy.array(filter(lambda x: x >= threshold, a))

問題は、ラムダ関数（遅い）のフィルターを使用して、これが一時的なリストを作成することです。

これは非常に簡単な操作であるため、効率的な方法でそれを行うnumpy関数があるかもしれませんが、私はそれを見つけることができませんでした。

これを達成する別の方法は、配列をソートし、しきい値のインデックスを見つけて、そのインデックスからスライスを返すことですが、これは小さな入力の場合は高速になります（とにかく目立たないでしょう） ）、入力サイズが大きくなるにつれて、その決定的な漸近的効率が低下します。

何か案は？ありがとう！

更新：いくつかの測定も行いましたが、入力が100.000.000エントリの場合、ソート+スライスは純粋なpythonフィルターよりも2倍高速でした。

In [321]: r = numpy.random.uniform(0, 1, 100000000)

In [322]: %timeit test1(r) # filter
1 loops, best of 3: 21.3 s per loop

In [323]: %timeit test2(r) # sort and slice
1 loops, best of 3: 11.1 s per loop

In [324]: %timeit test3(r) # boolean indexing
1 loops, best of 3: 1.26 s per loop
pythonfilternumpythreshold
72
fortran

b = a[a>threshold]これはすべきです

私は次のようにテストしました：

import numpy as np, datetime
# array of zeros and ones interleaved
lrg = np.arange(2).reshape((2,-1)).repeat(1000000,-1).flatten()

t0 = datetime.datetime.now()
flt = lrg[lrg==0]
print datetime.datetime.now() - t0

t0 = datetime.datetime.now()
flt = np.array(filter(lambda x:x==0, lrg))
print datetime.datetime.now() - t0

わかった

$ python test.py
0:00:00.028000
0:00:02.461000

http://docs.scipy.org/doc/numpy/user/basics.indexing.html#boolean-or-mask-index-arrays

104
yosukesabai