我有一个 numpy 数组 A。我想以一种有效的方式返回 A 中非零之前的零数量，因为它处于循环中。
如果A = np.array([0,1,2]) 然后np.nonzero(A)[0][0] 返回1。但是如果A = np.array([0,0,0]) 这不起作用（在这种情况下我想要答案3）。而且，如果 A 非常大并且第一个非零值接近开头，这似乎效率低。
【问题讨论】：
标签： python performance numpy
如果你不关心速度，我有一个小技巧来完成这项工作：
a = np.array([0,0,1,1,1])
t = np.where(a==0,1,0)+np.append(np.where(a==0,0,1),0)[1:]
print t
[1 2 1 1 0]
np.where(t==2)
(array([1]),)
【讨论】：
i = np.argmax(A!=0)
if i==0 and np.all(A==0): i=len(A)
这应该是没有扩展的最高效的解决方案。也很容易矢量化以沿多个轴进行操作。
【讨论】：
这是一个迭代的 Cython 版本，如果这是一个严重的瓶颈，这可能是你最好的选择
# saved as file count_leading_zeros.pyx
import numpy as np
cimport numpy as np
cimport cython
DTYPE = np.int
ctypedef np.int_t DTYPE_t
@cython.boundscheck(False)
def count_leading_zeros(np.ndarray[DTYPE_t, ndim=1] a):
cdef int elements = a.size
cdef int i = 0
cdef int count = 0
while i < elements:
if a[i] == 0:
count += 1
else:
return count
i += 1
return count
这类似于@mtrw 的答案，但以本机速度进行索引。我的 Cython 有点粗略，因此可能需要进一步改进。
用几种不同的方法用 IPython 快速测试一个非常有利的案例
In [1]: import numpy as np
In [2]: import pyximport; pyximport.install()
Out[2]: (None, <pyximport.pyximport.PyxImporter at 0x53e9250>)
In [3]: import count_leading_zeros
In [4]: %paste
def count_leading_zeros_python(x):
ctr = 0
for k in x:
if k == 0:
ctr += 1
else:
return ctr
return ctr
## -- End pasted text --
In [5]: a = np.zeros((10000000,), dtype=np.int)
In [6]: a[5] = 1
In [7]:
In [7]: %timeit np.min(np.nonzero(np.hstack((a, 1))))
10 loops, best of 3: 91.1 ms per loop
In [8]:
In [8]: %timeit np.where(a)[0][0] if np.shape(np.where(a)[0])[0] != 0 else np.shape(a)[0]
10 loops, best of 3: 107 ms per loop
In [9]:
In [9]: %timeit count_leading_zeros_python(a)
100000 loops, best of 3: 3.87 µs per loop
In [10]:
In [10]: %timeit count_leading_zeros.count_leading_zeros(a)
1000000 loops, best of 3: 489 ns per loop
但是，如果我有证据（使用分析器）证明这是一个瓶颈，我只会使用这样的东西。许多事情可能看起来效率低下，但永远不值得你花时间去解决。
【讨论】：
我很惊讶为什么还没有人使用np.where
np.where(a)[0][0] if np.shape(np.where(a)[0])[0] != 0 else np.shape(a)[0] 可以解决问题
>> a = np.array([0,1,2])
>> np.where(a)[0][0] if np.shape(np.where(a)[0])[0] != 0 else np.shape(a)[0]
... 1
>> a = np.array([0,0,0))
>> np.where(a)[0][0] if np.shape(np.where(a)[0])[0] != 0 else np.shape(a)[0]
... 3
>> a = np.array([1,2,3))
>> np.where(a)[0][0] if np.shape(np.where(a)[0])[0] != 0 else np.shape(a)[0]
... 0
【讨论】：
通过在数组末尾添加一个非零数字，您仍然可以使用 np.nonzero 来获得您想要的结果。
A = np.array([0,1,2])
B = np.array([0,0,0])
np.min(np.nonzero(np.hstack((A, 1)))) # --> 1
np.min(np.nonzero(np.hstack((B, 1)))) # --> 3
【讨论】：
天真的方法有什么问题：
def countLeadingZeros(x):
""" Count number of elements up to the first non-zero element, return that count """
ctr = 0
for k in x:
if k == 0:
ctr += 1
else: #short circuit evaluation, we found a non-zero so return immediately
return ctr
return ctr #we get here in the case that x was all zeros
只要找到一个非零元素就会返回，所以在最坏的情况下它是 O(n)。您可以通过将其移植到 C 来使其更快，但值得进行测试，看看这对于您正在使用的数组是否真的有必要。
【讨论】：