计算 numpy.chararray 中字符出现次数的最快方法

Python主义者，

计算字符在字符中出现的最快方法是什么numpy.character array.

我正在做以下事情：

In [59]: for i in range(10):
...:     m = input("Enter A or B: ")
...:     rr[0][i] = m
...:     
Enter A or B: B
Enter A or B: B
Enter A or B: B
Enter A or B: A
Enter A or B: B
Enter A or B: A
Enter A or B: A
Enter A or B: A
Enter A or B: B
Enter A or B: A

In [60]: rr
Out[60]: 
chararray([['B', 'B', 'B', 'A', 'B', 'A', 'A', 'A', 'B', 'A']],
          dtype='<U1')

In [61]: %timeit a = rr.count('A')
12.5 µs ± 206 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [62]: %timeit d = len(a[a.nonzero()])
3.03 µs ± 54.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

我相信一定有更好的方法来快速而优雅地实现这一目标。

It's better to stick to regular NumPy arrays over the chararrays https://docs.scipy.org/doc/numpy/reference/generated/numpy.chararray.html#numpy.chararray :

Note:

chararray 类的存在是为了向后兼容 Numarray，不建议用于新开发。从...开始 numpy 1.4，如果需要字符串数组，建议使用 dtype object_、string_ 或 unicode_ 的数组，并使用 free numpy.char 模块中用于快速矢量化字符串的函数 运营。

对于常规数组，我们提出两种方法。

方法#1

我们可以使用np.count_nonzero https://docs.scipy.org/doc/numpy/reference/generated/numpy.count_nonzero.html来计算True与搜索元素进行比较后的：'A' -

np.count_nonzero(rr=='A')

方法#2

随着chararray仅保留单个字符元素，我们可以通过查看它来更好地优化uint8dtype，然后比较和计数。计数会快得多，因为我们将处理数字数据。实施将是 -

np.count_nonzero(rr.view(np.uint8)==ord('A'))

On Python 2.x， 这将是 -

np.count_nonzero(np.array(rr.view(np.uint8))==ord('A'))

Timings

原始样本数据的计时并缩放至10,000x缩放的 -

# Original sample data
In [10]: rr
Out[10]: array(['B', 'B', 'B', 'A', 'B', 'A', 'A', 'A', 'B', 'A'], dtype='<U1')

# @Nils Werner's soln
In [14]: %timeit np.sum(rr == 'A')
100000 loops, best of 3: 3.86 µs per loop

# Approach #1 from this post
In [13]: %timeit np.count_nonzero(rr=='A')
1000000 loops, best of 3: 1.04 µs per loop

# Approach #2 from this post
In [40]: %timeit np.count_nonzero(rr.view(np.uint8)==ord('A'))
1000000 loops, best of 3: 1.86 µs per loop

# Original sample data scaled by 10,000x
In [16]: rr = np.repeat(rr,10000)

# @Nils Werner's soln
In [18]: %timeit np.sum(rr == 'A')
1000 loops, best of 3: 734 µs per loop

# Approach #1 from this post
In [17]: %timeit np.count_nonzero(rr=='A')
1000 loops, best of 3: 659 µs per loop

# Approach #2 from this post
In [24]: %timeit np.count_nonzero(rr.view(np.uint8)==ord('A'))
10000 loops, best of 3: 40.2 µs per loop