计算这个 numpy 查询的快速方法

Question

我有一个长度为n 的布尔值numpy 数组mask。我还有一个numpy 数组a，长度n，包含从0（含）到n-1（含）的数字，并且它不包含重复项。我要计算的查询是np.array([x for x in a if mask[x]])，但我认为这不是最快的方法。

在numpy 中是否有比我刚才写的更快的方法？

Answer 1

看起来最快的方法就是a[mask[a]]。我写了一个快速测试，显示了两种方法的速度差异，具体取决于掩码的覆盖率 p（真实项目数 / n）。

import timeit
import matplotlib.pyplot as plt
import numpy as np
n = 10000
p = 0.25
slow_times = []
fast_times = []
p_space = np.linspace(0, 1, 100)
for p in p_space:
    mask = np.random.choice([True, False], n, p=[p, 1 - p])
    a = np.arange(n)
    np.random.shuffle(a)
    y = np.array([x for x in a if mask[x]])
    z = a[mask[a]]
    n_test = 100
    t1 = timeit.timeit(lambda: np.array([x for x in a if mask[x]]), number=n_test)
    t2 = timeit.timeit(lambda: a[mask[a]], number=n_test)
    slow_times.append(t1)
    fast_times.append(t2)
plt.plot(p_space, slow_times, label='slow')
plt.plot(p_space, fast_times, label='fast')
plt.xlabel('p (# true items in mask)')
plt.ylabel('time (ms)')
plt.legend()
plt.title('Speed of method vs. coverage of mask')
plt.show()

这给了我这个情节

所以无论遮罩的覆盖范围如何，这种方法都快得多。