我有一個看起來像這樣的數組：testdata = [-2, -1, 0, 1, 2, 3, 10, 3, 2, 1, 0, -1, -2]所以它有一個最大值，并且向左和向右，值逐漸下降到零，然后它的值可以低于 0。我的代碼的目的是找到數組的最大值，并將其左右的所有值相加，直到值 0（包括最大值）。為了測試我的代碼，我生成了一個更大的數組，如下所示（忽略可能小于 0 的值）：data1 = [x for x in range(0, 100000, 1)]data2 = [x for x in range(100000, -1, -1)]data3 = data1 + data2我能想到的最快的代碼如下所示：j = 1k = 0max_index = np.where(data3 == np.amax(data3))[0][0]while data3[max_index + j] > 0: j += 1while data3[max_index - k] > 0: k += 1summ1 = np.sum(data3[max_index:(max_index+j)]) summ2 = np.sum(data3[(max_index-k):max_index])total = summ1 + summ2print(total)關于如何更快地提高這一點有什么建議嗎？
2 回答
海綿寶寶撒
TA貢獻1809條經驗 獲得超8個贊
這在很大程度上取決于數據。似乎您正在嘗試找到一種有效的方法來返回數組中某些內容的第一個索引。好吧，其中沒有高效的numpy，因為只允許整個數組的迭代numpy，但您可以使用numba它來代替以超越numpy
如果您需要對列表中的一小部分進行求和，numpy是一個不錯的選擇：
zero_idx = np.where(data3==0)[0]
max_loc = np.searchsorted(zero_idx, np.argmax(data3))
start, end = zero_idx[max_loc - 1], zero_idx[max_loc]
total_sum = np.sum(data3[start:end])
否則，使用 pythonicindex方法（或numba）：
k = np.argmax(data3)
left_list = data3[k:].tolist()
right_list = data3[k::-1].tolist()
s1 = np.sum(data3[k: k + left_list.index(0)])
s2 = np.sum(data3[k - right_list.index(0): k])
total_sum = s1 + s2
基準。 我發現第一種方法%timeit在 Jupyter Notebook 中使用裝飾器速度快了 20 倍：
512 μs ± 34.5 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
10.2 ms ± 146 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)
紅顏莎娜
TA貢獻1842條經驗 獲得超13個贊
您可以使用掩碼而不是使用循環。
掩碼[data3[max_index:] > 0]和[data3[:max_index] > 0]相當于切片[max_index:(max_index+j)]和[(max_index-k):max_index]，只不過您不必費心去查找j和k。
from contextlib import contextmanager
import numpy as np
import time
@contextmanager
def time_this_scope(name):
"""Handy context manager to time a portion of code."""
t0 = time.perf_counter()
yield
print(f"{name} took {time.perf_counter() - t0}s.")
# Preparing the data.
data1 = [x for x in range(0, 100000, 1)]
data2 = [x for x in range(100000, -1, -1)]
data3 = data1 + data2
max_index = np.where(data3 == np.amax(data3))[0][0]
# Comparing the performance of both methods.
with time_this_scope("method 1"):
j = 1
k = 0
while data3[max_index + j] > 0:
j += 1
while data3[max_index - k] > 0:
k += 1
summ1 = np.sum(data3[max_index:(max_index+j)])
summ2 = np.sum(data3[(max_index-k):max_index])
total_m1 = summ1 + summ2
with time_this_scope("method 2"):
data3 = np.array(data3)
summ1 = np.sum(data3[max_index:][data3[max_index:] > 0])
summ2 = np.sum(data3[:max_index][data3[:max_index] > 0])
total_m2 = summ1 + summ2
# Checking they do yield the same result.
print(total_m1 == total_m2)
>>> method 1 took 0.08157979999998588s.
>>> method 2 took 0.011274500000013177s.
>>> True
添加回答
舉報
0/150
提交
取消