Il modo più veloce per azzerare i valori bassi nell'array?
-
06-07-2019 - |
Domanda
Quindi, supponiamo che io abbia 100.000 array float con 100 elementi ciascuno. Ho bisogno del più alto numero X di valori, MA solo se sono maggiori di Y. Qualsiasi elemento che non corrisponde a questo dovrebbe essere impostato su 0. Quale sarebbe il modo più veloce per farlo in Python? L'ordine deve essere mantenuto. La maggior parte degli elementi è già impostata su 0.
variabili di esempio:
array = [.06, .25, 0, .15, .5, 0, 0, 0.04, 0, 0]
highCountX = 3
lowValY = .1
risultato atteso:
array = [0, .25, 0, .15, .5, 0, 0, 0, 0, 0]
Soluzione
Questo è un tipico lavoro per NumPy , che è molto veloce per questo tipo di operazioni:
array_np = numpy.asarray(array)
low_values_flags = array_np < lowValY # Where values are low
array_np[low_values_flags] = 0 # All low values set to 0
Ora, se hai solo bisogno degli elementi più grandi di highCountX, puoi persino " dimenticare " gli elementi piccoli (anziché impostarli su 0 e ordinarli) e ordinare solo l'elenco di elementi di grandi dimensioni:
array_np = numpy.asarray(array)
print numpy.sort(array_np[array_np >= lowValY])[-highCountX:]
Ovviamente, l'ordinamento dell'intero array se sono necessari solo alcuni elementi potrebbe non essere ottimale. A seconda delle tue esigenze, potresti prendere in considerazione il modulo heapq standard.
Altri suggerimenti
from scipy.stats import threshold
thresholded = threshold(array, 0.5)
:)
Esiste una speciale classe MaskedArray in NumPy che fa esattamente questo. Puoi & Quot; maschera & Quot; elementi basati su qualsiasi condizione preliminare. Ciò rappresenta meglio la tua necessità rispetto all'assegnazione di zeri: le operazioni intorpidite ignoreranno i valori mascherati quando appropriato (ad esempio, la ricerca di valore medio).
>>> from numpy import ma
>>> x = ma.array([.06, .25, 0, .15, .5, 0, 0, 0.04, 0, 0])
>>> x1 = ma.masked_inside(0, 0.1) # mask everything in 0..0.1 range
>>> x1
masked_array(data = [-- 0.25 -- 0.15 0.5 -- -- -- -- --],
mask = [ True False True False False True True True True True],
fill_value = 1e+20)
>>> print x.filled(0) # Fill with zeroes
[ 0 0.25 0 0.15 0.5 0 0 0 0 0 ]
Come vantaggio aggiuntivo, gli array mascherati sono ben supportati nella libreria di visualizzazione matplotlib se ne hai bisogno.
Uso di numpy
:
# assign zero to all elements less than or equal to `lowValY`
a[a<=lowValY] = 0
# find n-th largest element in the array (where n=highCountX)
x = partial_sort(a, highCountX, reverse=True)[:highCountX][-1]
#
a[a<x] = 0 #NOTE: it might leave more than highCountX non-zero elements
# . if there are duplicates
Dove partial_sort
potrebbe essere:
def partial_sort(a, n, reverse=False):
#NOTE: in general it should return full list but in your case this will do
return sorted(a, reverse=reverse)[:n]
L'espressione a[a<value] = 0
può essere scritta senza <=> come segue:
for i, x in enumerate(a):
if x < value:
a[i] = 0
Il modo più semplice sarebbe:
topX = sorted([x for x in array if x > lowValY], reverse=True)[highCountX-1]
print [x if x >= topX else 0 for x in array]
In pezzi, seleziona tutti gli elementi maggiori di lowValY
:
[x for x in array if x > lowValY]
Questo array contiene solo il numero di elementi maggiore della soglia. Quindi, ordinandolo in modo che i valori più grandi siano all'inizio:
sorted(..., reverse=True)
Quindi un indice di elenco prende la soglia per i primi highCountX
elementi:
sorted(...)[highCountX-1]
Infine, l'array originale viene compilato usando un'altra comprensione dell'elenco:
[x if x >= topX else 0 for x in array]
Esiste una condizione al contorno in cui vi sono due o più elementi uguali che (nel tuo esempio) sono il 3 ° elemento più alto. La matrice risultante conterrà quell'elemento più di una volta.
Esistono anche altre condizioni al contorno, come se len(array) < highCountX
. La gestione di tali condizioni è lasciata all'implementatore.
Gli elementi delle impostazioni sotto una certa soglia a zero sono facili:
array = [ x if x > threshold else 0.0 for x in array ]
(più gli addominali occasionali () se necessario.)
Il requisito degli N numeri più alti è comunque un po 'vago. E se ci fossero ad es. N + 1 numeri uguali sopra la soglia? Quale troncare?
È possibile ordinare prima l'array, quindi impostare la soglia sul valore dell'ennesimo elemento:
threshold = sorted(array, reverse=True)[N]
array = [ x if x >= threshold else 0.0 for x in array ]
Nota: questa soluzione è ottimizzata per la leggibilità e non per le prestazioni.
Puoi usare map e lambda, dovrebbe essere abbastanza veloce.
new_array = map(lambda x: x if x>y else 0, array)
Utilizza un heap .
Funziona in tempo O(n*lg(HighCountX))
.
import heapq
heap = []
array = [.06, .25, 0, .15, .5, 0, 0, 0.04, 0, 0]
highCountX = 3
lowValY = .1
for i in range(1,highCountX):
heappush(heap, lowValY)
heappop(heap)
for i in range( 0, len(array) - 1)
if array[i] > heap[0]:
heappush(heap, array[i])
min = heap[0]
array = [x if x >= min else 0 for x in array]
deletemin funziona nell'heap O(lg(k))
e nell'inserimento O(1)
o <=> a seconda del tipo di heap che usi.
Usare un heap è una buona idea, come dice egon. Ma puoi usare la funzione heapq.nlargest
per ridurre alcuni sforzi:
import heapq
array = [.06, .25, 0, .15, .5, 0, 0, 0.04, 0, 0]
highCountX = 3
lowValY = .1
threshold = max(heapq.nlargest(highCountX, array)[-1], lowValY)
array = [x if x >= threshold else 0 for x in array]