提高 NumPy 数组上的操作性能

我使用 numpy.delete 从 while 循环内的数组中删除元素。 仅当数组不为空时，此 while 循环才有效。这段代码工作正常但速度变慢 当数组有超过 1e6 个元素时，效果会显着提高。这是一个例子：

while(array.shape[0] > 0):
     ix = where((array >= x) & (array <= y))[0]
     array = delete(array,ix,None)

我试图使这段代码高效，但我找不到加速 while 循环的好方法。我认为这里的瓶颈是删除，它必须涉及某种副本。我尝试过使用掩码数组以避免复制，但我不太擅长 python，而且掩码数组也不那么容易搜索。有没有一种好的、快速的方法来使用删除或替换它，以便上面的循环可以处理 7e6 个元素，而无需花费 24 小时？

Thanks

因此，您可以通过以下方式显着提高代码的性能：

• 消除循环；和

• 避免删除操作（这会导致原始数据的副本 大批）

NumPy 1.7 引入了一个新的 mask，它比原来的更容易使用；它的性能也好得多，因为它NumPy 核心数组对象的一部分。我认为这可能对您有用，因为通过使用它您可以避免昂贵的删除操作.

换句话说，不是删除不需要的数组元素，而是屏蔽它们。其他答案中已经建议了这一点，但我建议使用new mask

要使用 NA，只需导入 NA

>>> from numpy import NA as NA

然后对于给定的数组，将 maskna 标志设置为True

>>> A.flags.maskna = True

或者，大多数数组构造函数（从 1.7 开始）都有参数 maskna，您可以将其设置为True

>>> A[3,3] = NA

array([[7, 5, 4, 8, 4],
       [2, 4, 3, 7, 3],
       [3, 1, 3, 2, 1],
       [8, 2, 0, NA, 7],
       [0, 7, 2, 5, 5],
       [5, 4, 2, 7, 4],
       [1, 2, 9, 2, 3],
       [7, 5, 1, 2, 9]])

>>> A.sum(axis=0)
array([33, 30, 24, NA, 36])

通常这不是您想要的——也就是说，您仍然希望 NA 列的总和被视为 0：

要获得该行为，请传入True对于skipma参数（大多数NumPy数组构造函数在NumPy 1.7中都有此参数）：

>>> A.sum(axis=0, skipna=True)
array([33, 30, 24, 33, 36])

总之，为了加快代码速度，请消除循环并使用新的掩码：

>>> A[(A<=3)&(A<=6)] = NA

>>> A
array([[8, 8, 4, NA, NA],
       [7, 9, NA, NA, 8],
       [NA, 6, 9, 5, NA],
       [9, 4, 6, 6, 5],
       [NA, 6, 8, NA, NA],
       [8, 5, 7, 7, NA],
       [NA, 4, 5, 9, 9],
       [NA, 8, NA, 5, 9]])

在这种情况下，NA 占位符的行为类似于 0，我相信这就是您想要的：

>>> A.sum(axis=0, skipna=True)
array([32, 50, 39, 32, 31])