考虑一个numpy数组的列表,其值在随机位置分配为-1或1。
a = np.array([1,-1,1,1,-1,1,-1,-1,1,-1])
b = np.array([-1,-1,1,-1,1,1,-1,1,-1,-1])
我需要对这些数组执行求和和逐点乘法运算。
例如,对2个数组求和后,我将得到一个新的数组,其值是-2,0和2。
c = a + b
c = [ 0 -2 2 0 0 2 -2 0 0 -2]
现在,我想将其“归一化”到-1和1。
对于2和-2很简单:
c[c < 0] = -1
c[c > 0] = 1
问题是0。对于他们,我想随机选择-1或1。
所需的输出如下所示:
c = [ 1 -1 1 -1 -1 1 -1 1 -1 -1]
笼统地说,我的问题是如何在一个数组中找到所有等于x的N个值,然后用一个随机数代替。
我的问题是如何以最“ pythonic”的,最快的方式做到这一点?
谢谢
只需发布我到目前为止获得的答案的最终结果即可。如果将来有人有更好的解决方案,请分享!
我给我找到的3个解决方案计时,我做了一个。
def Norm1(HV):
HV[HV > 0] = 1
HV[HV < 0] = -1
zind = np.where(HV == 0)[0]
HV[zind] = np.array([np.random.choice([1, -1]) for _ in zind])
return HV
def norm2(HV):
if HV == 0:
return np.random.choice(np.array([-1,1]))
else:
return HV / HV * np.sign(HV)
Norm2 = np.vectorize(norm2)
def Norm3(HV):
HV[HV > 0] = 1
HV[HV < 0] = -1
mask = HV==0;
HV[mask] = np.random.choice((-1,1),HV[mask].shape)
return HV
def generate(size):
return np.random.binomial(1, 0.5, size=size) * 2 - 1
def Norm4(arr):
np.floor_divide(arr, 2, out=arr)
positions = (arr == 0)
size = sum(positions)
np.add.at(arr, positions, generate(size)
时间是:
%%timeit
d = Norm1(c)
203 µs ± 5.9 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%%timeit
d = Norm2(c)
33.4 ms ± 1.03 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%%timeit
d = Norm3(c)
217 µs ± 11.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%%timeit
d = Norm4(c)
21 ms ± 1.23 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
这样看来,答案1和3是最好的答案。它们之间的差异看起来很小,但是在尝试了更多次运行之后,数字1总是排在最前面。
感谢您的帮助!我将在问题中添加一些对高清计算的引用,因为这是此应用程序的核心问题,因此如果需要的话,人们会更容易找到它。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句