如何找到 Numpy 数组的 M 个元素的 N 个最大乘积子数组？答案

【问题标题】：How to find N maximum product subarrays of M elements of a Numpy array?如何找到 Numpy 数组的 M 个元素的 N 个最大乘积子数组？
【发布时间】：2020-09-06 22:32:25
【问题描述】：

我有一个 Numpy 数组，我需要找到 M 个元素的 N 个最大乘积子数组。例如，我有数组p = [0.1, 0.2, 0.8, 0.5, 0.7, 0.9, 0.3, 0.5]，我想找到 3 个元素的 5 个最高乘积子数组。有没有“快速”的方法来做到这一点？

【问题讨论】：

那不是一个numpy数组
发布的解决方案是否对您有用？

标签： python numpy numpy-ndarray sub-array

【解决方案1】：

这是另一种快速的方法：

import numpy as np

p = [0.1, 0.2, 0.8, 0.5, 0.7, 0.9, 0.3, 0.5]
n = 5
m = 3

# Cumulative product (starting with 1)
pc = np.cumprod(np.r_[1, p])
# Cumulative product of each window
w = pc[m:] / pc[:-m]
# Indices of the first element of top N windows
idx = np.argpartition(w, n)[-n:]
print(idx)
# [1 2 5 4 3]

【讨论】：

这个主意不错。只是如果数组大小合适，并且其中包含分数，它最终会在后端返回零。
@Divakar 是的，这很好，如果数组足够大，那么精度可能会受到影响，如果不是，那么性能可能无论如何都不是问题。

【解决方案2】：

方法#1

我们可以创建滑动窗口，然后执行prod 缩减，最后执行np.argpartition 以得到其中最上面的N -

from skimage.util.shape import view_as_windows

def topN_windowed_prod(a, W, N):
    w = view_as_windows(a,W)
    return w[w.prod(1).argpartition(-N)[-N:]]

示例运行 -

In [2]: p = np.array([0.1, 0.2, 0.8, 0.5, 0.7, 0.9, 0.3, 0.5])

In [3]: topN_windowed_prod(p, W=3, N=2)
Out[3]: 
array([[0.8, 0.5, 0.7],
       [0.5, 0.7, 0.9]])

请注意，np.argpartition 不维护订单。因此，如果我们需要按 prod 值的降序排列的顶部 N，请使用 range(N)。 More info.

方法 #2

对于较小的窗口长度，我们可以简单地切片并获得我们想要的结果，就像这样 -

def topN_windowed_prod_with_slicing(a, W, N):
    w = view_as_windows(a,W)
    L = len(a)-W+1
    acc = a[:L].copy()
    for i in range(1,W):
        acc *= a[i:i+L]
    idx = acc.argpartition(-N)[-N:]
    return w[idx]

【讨论】：