如何使用 numpy 函数制作此列表答案

【问题标题】：How to use numpy functions to make this list如何使用 numpy 函数制作此列表
【发布时间】：2019-09-12 22:28:03
【问题描述】：

我正在尝试加快此列表的理解速度，我尝试使用 numpy.vectorize，但无法使其工作。是否可以使用该功能，如果可以，如何或有另一种方法可以使其更快？列表“a”是一个 numpy ndarray（二维），所以我知道为了让它更快，你应该使用 numpy 函数而不是列表推导，但是找不到如何使用这些函数。

[[[255,255,255] if y else [0,0,0] for y in row ] for row in a]

【问题讨论】：

你用它做什么？可以只使用 NumPy 进行广播吗？您能否举例说明您对list 使用的值是多少？顺便说一句，您不应该使用 list 作为变量。
你想要的输出是什么？
How to speed up list comprehension的可能重复
@AviThour 仅仅因为它具有相似的标题并不能使问题相同。链接问题的答案在这里无济于事。

标签： python python-3.x performance numpy list-comprehension

【解决方案1】：

在尝试了更多的东西后，我发现了这个 oneliner，它可以完成工作并且速度也很快。

    np.where(a != 0, 0, 255).repeat(3, 1).reshape(len(a), len(a[0]), 3)

【讨论】：

【解决方案2】：

看起来您的列表将类似于：

In [22]: alist = [[0,1,2],[3,0,0]]

以及你理解的结果：

In [23]: [[[255,255,255] if y else [0,0,0] for y in row] for row in alist]      
Out[23]: 
[[[0, 0, 0], [255, 255, 255], [255, 255, 255]],
 [[255, 255, 255], [0, 0, 0], [0, 0, 0]]]

要在numpy 中做类似的事情，请创建一个数组（子列表必须具有相同的长度）：

In [24]: arr = np.array(alist)                                                  
In [25]: arr                                                                    
Out[25]: 
array([[0, 1, 2],
       [3, 0, 0]])

制作一个目标数组 - 3d 形状：

In [27]: res = np.zeros(arr.shape+(3,),int)                                     
In [28]: res                                                                    
Out[28]: 
array([[[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]],

       [[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]]])

y 不为 0 的掩码：

In [29]: mask = arr!=0                                                          
In [30]: mask                                                                   
Out[30]: 
array([[False,  True,  True],
       [ True, False, False]])

这个掩码会选择res的3个元素：

In [31]: res[mask]                                                              
Out[31]: 
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

我们可以用标量设置值：

In [32]: res[mask] = 255                                                        
In [33]: res                                                                    
Out[33]: 
array([[[  0,   0,   0],
        [255, 255, 255],
        [255, 255, 255]],

       [[255, 255, 255],
        [  0,   0,   0],
        [  0,   0,   0]]])

或数组：

In [34]: res[mask] = [255,255,255]                                              
In [35]: res                                                                    
Out[35]: 
array([[[  0,   0,   0],
        [255, 255, 255],
        [255, 255, 255]],

       [[255, 255, 255],
        [  0,   0,   0],
        [  0,   0,   0]]])

有时在设置这样的掩码数组时，我们会遇到广播错误 - 目标数组和源数组不匹配。

另一种方法是将 mask 视为 0/1 索引数组：

In [37]: x = np.array([[0,0,0],[255,255,255]])                                  
In [39]: x[mask.astype(int)]                                                    
Out[39]: 
array([[[  0,   0,   0],
        [255, 255, 255],
        [255, 255, 255]],

       [[255, 255, 255],
        [  0,   0,   0],
        [  0,   0,   0]]])

如果您从列表开始，列表理解方法可能是最快的。虽然数组索引速度很快，但将列表转换为数组的开销很大。

====

要使用np.vectorize 执行此操作，我使用signature，它比常规vectorize 慢：

In [49]: np.vectorize(lambda y: np.array([255,255,255]) if y else np.array([0,0,
    ...: 0]), signature='()->(n)')(alist)                                       
Out[49]: 
array([[[  0,   0,   0],
        [255, 255, 255],
        [255, 255, 255]],

       [[255, 255, 255],
        [  0,   0,   0],
        [  0,   0,   0]]])

【讨论】：

【解决方案3】：

你可以使用np.where:

In [11]: np.where(a, np.array([255, 255, 255]), 0)
Out[11]:
array([[255, 255, 255],
       [  0,   0,   0],
       [255, 255, 255]]

另一种方法是先创建一个完整数组或零数组，然后更新行：

In [21] res = np.zeros((3, 3))

In [22]: np.where(a == 0, res, 255)
Out[22]:
array([[255., 255., 255.],
       [  0.,   0.,   0.],
       [255., 255., 255.]])

【讨论】：