Numpy Array：有效地找到匹配的索引答案

【问题标题】：Numpy Array: Efficiently find matching indicesNumpy Array：有效地找到匹配的索引
【发布时间】：2012-04-25 17:29:28
【问题描述】：

我有两个列表，一个是巨大的（数百万个元素），另一个是数千个。我想做以下事情

bigArray=[0,1,0,2,3,2,,.....]

smallArray=[0,1,2,3,4]

for i in len(smallArray):
  pts=np.where(bigArray==smallArray[i])
  #Do stuff with pts...

上述方法有效，但速度很慢。有没有什么方法可以更有效地做到这一点，而无需求助于 C 语言？

【问题讨论】：

我真的怀疑你在移植到 C 时会得到很大的加速，因为很可能比较操作和 where 操作已经在 C 中实现了。

标签： python numpy scipy

【解决方案1】：

在您的情况下，您可能会受益于对大数组进行预排序。这是演示如何将时间从约 45 秒减少到 2 秒的示例（在我的笔记本电脑上）（对于数组 5e6 和 1e3 的一组特定长度）。显然，如果数组大小相差很大，则解决方案将不是最佳的。例如。使用默认解决方案，复杂度为 O(bigN*smallN)，但对于我建议的解决方案，复杂度为 O((bigN+smallN)*log(bigN))

import numpy as np, numpy.random as nprand, time, bisect

bigN = 5e6
smallN = 1000
maxn = 1e7
nprand.seed(1)  
bigArr = nprand.randint(0, maxn, size=bigN)
smallArr = nprand.randint(0, maxn, size=smallN)

# brute force 
t1 = time.time()
for i in range(len(smallArr)):
    inds = np.where(bigArr == smallArr[i])[0]
t2 = time.time()
print "Brute", t2-t1

# not brute force (like nested loop with index scan)
t1 = time.time()
sortedind = np.argsort(bigArr)
sortedbigArr = bigArr[sortedind]
for i in range(len(smallArr)):
    i1 = bisect.bisect_left(sortedbigArr, smallArr[i])
    i2 = bisect.bisect_right(sortedbigArr, smallArr[i])
    inds = sortedind[i1:i2]
t2=time.time()
print "Non-brute", t2-t1

输出：

蛮力 42.5278530121

非暴力 1.57193303108

【讨论】：

这正是我想要的。谢谢。
我不完全确定，但使用np.searchsorted 代替带有二等分的循环可能有优化空间。

【解决方案2】：

Numpy 提供函数 numpy.searchsorted:http://docs.scipy.org/doc/numpy-1.10.0/reference/generated/numpy.searchsorted.html

例子：

>>> import numpy as np
>>> sorted = np.argsort(big_list)
>>> r = np.searchsorted(big_list, small_list, side='right',sorter=sorted)
>>> l  = np.searchsorted(big_list, small_list, side='left',sorter=sorted)
>>> for b, e in zip(l, r):
...     inds = sorted[b:e]

【讨论】：

我没有测试二等分版本，但在我的快速实验中，这至少比 defaultdic 查找答案快。在我的设置中超过 2 倍。

【解决方案3】：

到目前为止，我认为不需要 numpy；你可以使用defaultdict，只要你的记忆力足够，观察次数不要太多就可以了。

big_list = [0,1,0,2,3,2,5,6,7,5,6,4,5,3,4,3,5,6,5]
small_list = [0,1,2,3,4]

from collections import defaultdict

dicto = defaultdict(list) #dictionary stores all the relevant coordinates
                          #so you don't have to search for them later

for ind, ele in enumerate(big_list):
    dicto[ele].append(ind)

结果：

>>> for ele in small_list:
...     print dicto[ele]
... 
[0, 2]
[1]
[3, 5]
[4, 13, 15]
[11, 14]

这应该会给你一些速度。

【讨论】：