获取 NumPy 数组中最大区域的索引答案

【问题标题】：Get the index of the largest area in a NumPy array获取 NumPy 数组中最大区域的索引
【发布时间】：2020-10-03 18:11:12
【问题描述】：

假设我有以下区域坐标数组[x1, y1, x2, y2]。就我而言，这些坐标描述了图像中检测到的人脸区域：

[
    [1, 1, 41, 41],
    [134, 13, 154, 33]
]

现在，我想获取最大区域或最大区域本身的索引。我知道我可以遍历数组，计算每个条目的面积，然后排序以获得最大的一个。 Python 中的标准循环非常慢，所以我正在寻找一个可以加快处理速度的 NumPy 解决方案（假设该数组中有 1MM 个单独的区域）。

在上面的示例中，我希望获得数组索引 0 或区域本身 [1, 1, 41, 41]，因为它是两者中最大的（就面积而言，不是坐标本身最大）。

【问题讨论】：

这是简单的数组算法就足够的情况吗？这足以为您的示例中的每个项目计算一个面积为(a[2]-a[0]) * (a[3]-a[1])，然后找到最大项目的索引。由于我们使用的是numpy，因此不需要迭代。
请不要在没有解释的情况下投反对票。很乐意解决您的问题。

标签： python numpy

【解决方案1】：

不确定内存的限制，但如果将numpy 与numexpr 结合使用，则在 >1 小时的计算时间内可能会达到 1MM。当算术简单时，numexpr 是一个不错的选择。我对这些选项进行了试验，发现max 方法在 numpy 上最快，但在numexpr 上算术更快：

import numpy as np
import numexpr as ne
a = np.random.randint(10000000, size=(100000000, 4))
a[:,2] = a[:,0]+a[:,2]
a[:,3] = a[:,1]+a[:,3]
x,y,z,t = a[:,0], a[:,1], a[:,2], a[:,3]
%timeit np.max((z-x) * (t-y)) 
%timeit ne.evaluate('max((z-x) * (t-y))')
%timeit np.max(ne.evaluate('(z-x) * (t-y)'))

输出：

1.04 s ± 11.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
701 ms ± 2.68 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
330 ms ± 2.35 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

相比之下，max 项目的索引可以这样找到：

%timeit np.argmax((z-x) * (t-y)) 
%timeit np.argmax(ne.evaluate('(z-x) * (t-y)'))

输出：

1.02 s ± 17.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
317 ms ± 8.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

【讨论】：