Как найти np.where(A==0) и np.where(A!=0) одним вызовом

У меня есть следующий код:

zero_indices = np.where(A==0) 
nonzero_indices = np.where(A!=0)

Но я хочу найти нулевые и ненулевые индексы с помощью всего лишь одного вызова np.where.

Один из способов, который я нашел, это:

zero_indices = np.where(array == 0)
non_zero_indices = np.setdiff1d(np.arange(array.size), zero_indices)

Однако при тестировании на больших массивах я обнаружил, что на самом деле это в 10 раз медленнее, чем простой вызов np.where дважды.

Есть ли более эффективный способ сделать это?

входы и ожидаемые результаты?

user24714692 04.06.2024 05:54
.where уже очень эффективно. Вы можете рассмотреть возможность небольшой оптимизации, определив mask = A == 0 и используя mask и ~mask в вызовах. И вместо np.where(mask) рассмотрите возможность использования np. asarray(mask).nonzero(), как указано в документации numpy.org/doc/stable/reference/generated/numpy.where.html
Grismar 04.06.2024 06:07
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
54
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Двойной подход где кажется самым быстрым. Как отмечено в комментарии, вы можете немного улучшить его, сохранив маску.

Я также тестировал другие подходы: numba и argsort + разделение, numba работало гораздо медленнее, а argsort+diff было не лучше.

Предполагая этот тестовый массив:

np.random.seed(0)
A = np.random.randint(0, 2, size=10_000_000)

Ниже приведены сроки для различных подходов:

Оригинальный подход
zero_indices = np.where(A==0) 
nonzero_indices = np.where(A!=0)
# 137 ms ± 10.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
Повторное использование маски
mask = A == 0
zero_indices = np.where(mask)
nonzero_indices = np.where(~mask)
# 122 ms ± 959 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
argsort+split
mask = A==0
tmp = np.argsort(mask, kind='stable')
nonzero_indices, nonzero_indices = np.split(tmp, [len(A)-mask.sum()])
# 125 ms ± 17.2 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
Нумба
from numba import jit

@jit(nopython=True)
def zero_nonzero(A):
    zero_indices = []
    nonzero_indices = []
    for i, item in enumerate(A):
        if item == 0:
            zero_indices.append(i)
        else:
            nonzero_indices.append(i)
    return zero_indices, nonzero_indices

zero_indices, nonzero_indices = zero_nonzero(A)
# 437 ms ± 10.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
setdiff1d
zero_indices = np.where(A == 0)
non_zero_indices = np.setdiff1d(np.arange(A.size), zero_indices)
# 519 ms ± 10.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
тайминги с A = np.zeros(10_000_000):
# double where + reusing the mask
22 ms ± 113 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

# argsort + split
34.5 ms ± 2.66 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

Спасибо за подробные тесты! Мне интересно, почему np.where не предназначен для возврата как нулевых, так и ненулевых_indices? В принципе, не может ли np.where(A) создать оба этих вывода за один проход через массив A, не жертвуя при этом скоростью?

C.M.O.B. 04.06.2024 07:27

Это правда, но для этого потребуется немного больше вычислений и, возможно, гораздо больше памяти. Я думаю, это может быть необязательный флаг.

mozway 04.06.2024 07:55

Другие вопросы по теме