trovare lunghezza delle sequenze di valori identici in una matrice NumPy (run-length encoding)

Question

In un programma pylab (che probabilmente potrebbe essere un programma MATLAB pure) ho una serie di numeri che rappresentano NumPy distanze: d[t] è il distanza al momento t (e il periodo dei miei dati è len(d) unità di tempo).

Gli eventi che mi interessano sono quando la distanza è inferiore a una certa soglia, e voglio calcolare la durata di questi eventi. E 'facile per ottenere un array di booleani con b = d<threshold, e il problema si riduce a calcolare la sequenza delle lunghezze delle parole True-solo in b. Ma io non so come fare in modo efficiente (vale a dire utilizzando primitive NumPy), e ho fatto ricorso a camminare la matrice e di fare il rilevamento delle modifiche manuali (cioè inizializzare il contatore quando il valore passa da falso a vero, aumentare il contatore a patto che il valore è True , e l'uscita del contatore alla sequenza quando il valore torna a false). Ma questo è tremendamente lento.

Come rilevare efficienly quella sorta di sequenze in array NumPy?

Di seguito è riportato un codice python che illustra il mio problema: il quarto punto prende un tempo molto lungo per apparire (se non, aumentare la dimensione della matrice)

from pylab import *

threshold = 7

print '.'
d = 10*rand(10000000)

print '.'

b = d<threshold

print '.'

durations=[]
for i in xrange(len(b)):
    if b[i] and (i==0 or not b[i-1]):
        counter=1
    if  i>0 and b[i-1] and b[i]:
        counter+=1
    if (b[i-1] and not b[i]) or i==len(b)-1:
        durations.append(counter)

print '.'

Answer 1

Anche se non numpy primitive, itertools funzioni sono spesso molto veloce, in modo da fare dare questa una prova (e misurare volte per varie soluzioni, tra cui questo, ovviamente):

def runs_of_ones(bits):
  for bit, group in itertools.groupby(bits):
    if bit: yield sum(group)

Se avete bisogno dei valori in un elenco, appena può usare la lista (runs_of_ones (bit)), naturalmente; ma forse un elenco di comprensione potrebbe essere marginalmente ancora più veloce:

def runs_of_ones_list(bits):
  return [sum(g) for b, g in itertools.groupby(bits) if b]

Trasferirsi possibilità "NumPy-native", che dire:

def runs_of_ones_array(bits):
  # make sure all runs of ones are well-bounded
  bounded = numpy.hstack(([0], bits, [0]))
  # get 1 at run starts and -1 at run ends
  difs = numpy.diff(bounded)
  run_starts, = numpy.where(difs > 0)
  run_ends, = numpy.where(difs < 0)
  return run_ends - run_starts

Anche in questo caso: essere sicuri di soluzioni di riferimento contro ogni altri in realistico-per-te esempi

Answer 2

Completamente NumPy RLE vettorizzati e generico per qualsiasi matrice (funziona con le stringhe, booleani ecc troppo).

Uscite tupla di tirature, avviare posizioni e valori.

import numpy as np

def rle(inarray):
        """ run length encoding. Partial credit to R rle function. 
            Multi datatype arrays catered for including non Numpy
            returns: tuple (runlengths, startpositions, values) """
        ia = np.asarray(inarray)                  # force numpy
        n = len(ia)
        if n == 0: 
            return (None, None, None)
        else:
            y = np.array(ia[1:] != ia[:-1])     # pairwise unequal (string safe)
            i = np.append(np.where(y), n - 1)   # must include last element posi
            z = np.diff(np.append(-1, i))       # run lengths
            p = np.cumsum(np.append(0, z))[:-1] # positions
            return(z, p, ia[i])

Abbastanza veloce (i7):

xx = np.random.randint(0, 5, 1000000)
%timeit yy = rle(xx)
100 loops, best of 3: 18.6 ms per loop

I tipi di dati multiple:

rle([True, True, True, False, True, False, False])
Out[8]: 
(array([3, 1, 1, 2]),
 array([0, 3, 4, 5]),
 array([ True, False,  True, False], dtype=bool))

rle(np.array([5, 4, 4, 4, 4, 0, 0]))
Out[9]: (array([1, 4, 2]), array([0, 1, 5]), array([5, 4, 0]))

rle(["hello", "hello", "my", "friend", "okay", "okay", "bye"])
Out[10]: 
(array([2, 1, 1, 2, 1]),
 array([0, 2, 3, 4, 6]),
 array(['hello', 'my', 'friend', 'okay', 'bye'], 
       dtype='|S6'))

Gli stessi risultati come Alex Martelli sopra:

xx = np.random.randint(0, 2, 20)

xx
Out[60]: array([1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1])

am = runs_of_ones_array(xx)

tb = rle(xx)

am
Out[63]: array([4, 5, 2, 5])

tb[0][tb[2] == 1]
Out[64]: array([4, 5, 2, 5])

%timeit runs_of_ones_array(xx)
10000 loops, best of 3: 28.5 µs per loop

%timeit rle(xx)
10000 loops, best of 3: 38.2 µs per loop

Un po 'più lento di Alex (ma ancora molto veloce), e molto più flessibile.

Answer 3

Ecco una soluzione usando solo array. Prende un array contenente una sequenza di bools e conta la lunghezza delle transizioni

>>> from numpy import array, arange
>>> b = array([0,0,0,1,1,1,0,0,0,1,1,1,1,0,0], dtype=bool)
>>> sw = (b[:-1] ^ b[1:]); print sw
[False False  True False False  True False False  True False False False
  True False]
>>> isw = arange(len(sw))[sw]; print isw
[ 2  5  8 12]
>>> lens = isw[1::2] - isw[::2]; print lens
[3 4]

sw contiene una vera dove c'è un interruttore, isw li converte in indici. Gli elementi di isw vengono quindi sottratti a coppie in lens.

Si noti che se la sequenza iniziato con un 1 sarebbe contare la lunghezza delle sequenze 0s: questo può essere fissato nella indicizzazione per calcolare lente. Inoltre, non ho testato casi angolo tali sequenze di lunghezza 1.

---

funzione completa che restituisce avviare posizioni e lunghezze di tutti i True - sottoarray.

import numpy as np

def count_adjacent_true(arr):
    assert len(arr.shape) == 1
    assert arr.dtype == np.bool
    if arr.size == 0:
        return np.empty(0, dtype=int), np.empty(0, dtype=int)
    sw = np.insert(arr[1:] ^ arr[:-1], [0, arr.shape[0]-1], values=True)
    swi = np.arange(sw.shape[0])[sw]
    offset = 0 if arr[0] else 1
    lengths = swi[offset+1::2] - swi[offset:-1:2]
    return swi[offset:-1:2], lengths

testato per diverse bool 1D-array (array vuoto; elementi singoli / multipli; pari / lunghezze dispari; iniziato con False / <=>; solo <=> / <=> elementi).

Answer 4

Nel caso in cui qualcuno è curioso (e dal momento che lei ha citato MATLAB di passaggio), ecco un modo per risolverlo in MATLAB:

threshold = 7;
d = 10*rand(1,100000);  % Sample data
b = diff([false (d < threshold) false]);
durations = find(b == -1)-find(b == 1);

Io non sono troppo familiarità con Python, ma forse questo potrebbe contribuire a dare qualche idea. =)

Answer 5

durations = []
counter   = 0

for bool in b:
    if bool:
        counter += 1
    elif counter > 0:
        durations.append(counter)
        counter = 0

if counter > 0:
    durations.append(counter)