我有一个长度为m 的严格递增的“截止”值的numpy 数组，以及一个pandas 系列值（认为索引并不重要，这可以转换为一个numpy 数组）的值长度n。
我需要想出一种有效的方法来吐出一个长度m 的向量，该向量的熊猫系列中的元素数量小于“截止”数组的第 j 个元素。
我可以通过列表迭代器做到这一点：
output = array([(pan_series < cutoff_val).sum() for cutoff_val in cutoff_ar])
但我想知道是否有任何方法可以利用更多 numpy 的神奇速度来做到这一点，因为我必须在多个循环中多次执行此操作，并且它不断使我的计算机崩溃。
谢谢！
【问题讨论】：
这是你要找的吗？
In [36]: a = np.random.random(20)
In [37]: a
Out[37]:
array([ 0.68574307, 0.15743428, 0.68006876, 0.63572484, 0.26279663,
0.14346269, 0.56267286, 0.47250091, 0.91168387, 0.98915746,
0.22174062, 0.11930722, 0.30848231, 0.1550406 , 0.60717858,
0.23805205, 0.57718675, 0.78075297, 0.17083826, 0.87301963])
In [38]: b = np.array((0.3,0.7))
In [39]: np.sum(a[:,None]<b[None,:], axis=0)
Out[39]: array([ 8, 16])
In [40]: np.sum(a[:,None]<b, axis=0) # b's new axis above is unnecessary...
Out[40]: array([ 8, 16])
In [41]: (a[:,None]<b).sum(axis=0) # even simpler
Out[41]: array([ 8, 16])
时间总是很受欢迎（对于较长的 2E6 元素数组）
In [47]: a = np.random.random(2000000)
In [48]: %timeit (a[:,None]<b).sum(axis=0)
10 loops, best of 3: 78.2 ms per loop
In [49]: %timeit np.searchsorted(a, b, 'right',sorter=a.argsort())
1 loop, best of 3: 448 ms per loop
对于较小的数组
In [50]: a = np.random.random(2000)
In [51]: %timeit (a[:,None]<b).sum(axis=0)
10000 loops, best of 3: 89 µs per loop
In [52]: %timeit np.searchsorted(a, b, 'right',sorter=a.argsort())
The slowest run took 4.86 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 141 µs per loop
编辑
Divakar 说，对于 lenghty bs，情况可能会有所不同，让我们看看
In [71]: a = np.random.random(2000)
In [72]: b =np.random.random(200)
In [73]: %timeit (a[:,None]<b).sum(axis=0)
1000 loops, best of 3: 1.44 ms per loop
In [74]: %timeit np.searchsorted(a, b, 'right',sorter=a.argsort())
10000 loops, best of 3: 172 µs per loop
确实很不一样！感谢您激发我的好奇心。
也许 OP 应该测试他的用例，关于截止序列的非常长的样本？哪里有平衡？
编辑#2
我的时间安排出了问题，我忘记了.sum() 的axis=0 参数...
我已经用更正的语句编辑了时间，当然还有更正的时间。我很抱歉。
【讨论】：
b，而不是我认为的仅使用 2 个元素。
(pan_series[:,None]<cutoff_ar).sum(0) 与我猜的问题中的变量名一起使用。
a.shape -> (200, 50) 和(a[:,:,None]<b).sum(axis=1)
您可以将np.searchsorted 用于某些NumPy magic -
# Convert to numpy array for some "magic"
pan_series_arr = np.array(pan_series)
# Let the magic begin!
sortidx = pan_series_arr.argsort()
out = np.searchsorted(pan_series_arr,cutoff_ar,'right',sorter=sortidx)
说明
您正在执行[(pan_series < cutoff_val).sum() for cutoff_val in cutoff_ar] 即为每个
cutoff_ar 中的元素，我们正在计算小于它的 pan_series 元素的数量。现在使用np.searchsorted，我们正在寻找将cutoff_ar 放入已排序的pan_series_arr 并获取这些位置的索引，与cutoff_ar 中的当前元素在'right' 位置的比较。这些索引实质上表示当前cutoff_ar 元素下方pan_series 元素的数量，从而为我们提供了我们想要的输出。
示例运行
In [302]: cutoff_ar
Out[302]: array([ 1, 3, 9, 44, 63, 90])
In [303]: pan_series_arr
Out[303]: array([ 2, 8, 69, 55, 97])
In [304]: [(pan_series_arr < cutoff_val).sum() for cutoff_val in cutoff_ar]
Out[304]: [0, 1, 2, 2, 3, 4]
In [305]: sortidx = pan_series_arr.argsort()
...: out = np.searchsorted(pan_series_arr,cutoff_ar,'right',sorter=sortidx)
...:
In [306]: out
Out[306]: array([0, 1, 2, 2, 3, 4])
【讨论】：