numpy.choose 32選擇限制

低和看，我升級到1.5.1後遇到numpy.choose迴歸。據我所知，過去的版本（和數字）支持一個無限數量的潛在選擇。「新」選擇限於32. Here is a post其中一位用戶對迴歸感到悲嘆。numpy.choose 32選擇限制

我有一個包含100個選項（0-99）的列表，用於修改數組。作爲解決方法，我使用下面的代碼。可以理解的是，它比使用選擇慢7倍。我不是C程序員，雖然我想解決這個問題，但我想知道還有其他可能更快的解決方法。思考？

d={...} #A dictionary with my keys and their new mappings 
for key, value in d.iteritems(): 
    array[array==key]=value

來源

2012-07-19 Jzl5325

我是否正確理解'd'的鍵是數字0到99？ – 2012-07-19 22:22:28

是的。 d是數字。 – Jzl5325 2012-07-19 22:30:55

我推測，d有鑰匙0到99。在這種情況下，解決方案非常簡單。首先，將d的值寫入NumPy數組values，方法d[i] == values[i] - 無論如何，這似乎是這些值的自然數據結構。然後，你可以通過

values[array]

如果要修改array到位，簡單地做

array[:] = values[array]

來源

2012-07-19 22:28:07

什麼是數組[：]功能稱爲？我想更詳細地瞭解numpy文檔中發生的情況。 – Jzl5325 2012-07-19 23:49:13

@ Jzl5325：這是切片整個陣列。它實際上不是NumPy特有的，而是一般的Python。檢查官方的Python教程，它解釋了切片的工作原理。 – 2012-07-19 23:53:36

Gotcha。我之前沒有使用[：]，但可以看到很多用途。 =語法是拋出我的東西（儘管它工作得很好）。我們不是分配變量，而是通過=來運行if語句。它讀取「如果輸入數組中的值等於values數組中的索引，則用數值編號替換輸入數組編號」？謝謝！ – Jzl5325 2012-07-20 03:08:45

我不知道高效地訪問與替換值新的陣列，它不是就地（NB：我不經常使用numpy - 所以有點生鏽）：

import numpy as np 

d = {0: 5, 1: 3, 2: 20} 
data = np.array([[1, 0, 2], [2, 1, 1], [1, 0, 1]]) 
new_data = np.array([d.get(i, i) for i in data.flat]).reshape(data.shape) # adapt for list/other

來源

2012-07-19 22:47:02

NumPy的全部意義在於避免Python循環轉而使用C語言實現的隱式循環。這個代碼迭代了單一值，所以它肯定不是很快。 – 2012-07-19 23:33:13

@SvenMarnach我知道numpy是如何工作的。 '.flat'是低層次的，從列表中產生的數組是低層次的，重新構造並不複雜，因此，作爲一個kludge，它可能並不是最差的。在33種選擇中，它也可以無限加快:) – 2012-07-19 23:38:24

如果數組巨大，即使有33種選擇，它也可能比原始代碼慢。 – 2012-07-19 23:50:42

numpy.choose 32選擇限制

回答

相關問題