【发布时间】：2021-09-22 21:35:50
【问题描述】：
我正在尝试过滤一个 numpy 数组，我已经完成了如下函数：
@nb.njit
def numpy_filter (npX):
n = np.full (npX.shape[0], True)
for npo_index in range(npX.shape[0]):
n[npo_index] = npX[npo_index][0] < 2000 and npX[npo_index][1] < 4000 and npX[npo_index][2] < 5000
return npX[n]
array = 600K 的 len 需要 1.75 秒（numba njit 模式），而如果 x[0]
有没有更好的实现可以有过滤功能让它运行得更快？
【问题讨论】：
-
您到底想过滤什么？有很多方法可以从 numpy 数组中提取信息，但这取决于您要做什么？如果您使用一维 numpy 数组的列表，您真的应该将它们组合成一个二维数组。
-
具有 randint(0,10000) 形状 (600000,3) 的
numpy数组a。a[(a < np.array([2000,4000,5000])).all(1)]100 次循环，最好的 5 次：每个循环 19 毫秒 -
我将重复已经说过的话。如果您发现自己在遍历一个 numpy 数组，那么您可能一开始就不应该使用 numpy。
-
你预热了jitted函数吗？我得到了
@njit100 个循环，最好的 5：每个循环 3.65 毫秒，list comprehension1 个循环，最好的 5：每个循环 375 毫秒，pure numpy100 次循环，最好的 5 次：每个循环 19 毫秒，在 google colab 上有两个内核。 ~100x 速度高达python和numba -
@MichaelSzczesny，你是对的，我没有把它热身……热身后，它下降到 0.07 秒左右。这很酷……现在。我需要找出合并结果的最快方法
标签： python numpy list-comprehension numba