python-使用索引列表有效填充NumPy数组

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-使用索引列表有效填充NumPy数组，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1006字，纯文字阅读大概需要2分钟。

内容图文

我知道如何在joblib中执行并行循环,该循环返回结果列表.

但是,是否可以并行填充预定义的numpy矩阵？

想象一下以下最小示例矩阵和数据：

column_data = ['a', 'b', 'c', 'd', 'e', 'f', 'x']
data = [['a', 'b', 'c'],
        ['d', 'c'],
        ['e', 'f', 'd', 'x']]
x = np.zeros((len(data), len(column_data))

请注意,column_data已排序且是唯一的.数据是列表的列表,而不是矩形矩阵.

循环：

for row in range(len(data)):
    for column in data[row]:
        x[row][column_data.index(column)] = 1

是否可以并行处理此循环？没有并行化,填充70,000 x 10,000矩阵的速度非常慢.

解决方法:

这是一种几乎矢量化的方法-

lens = [len(item) for item in data]    
A = np.concatenate((column_data,np.concatenate(data)))
_,idx = np.unique(A,return_inverse=True)

R = np.repeat(np.arange(len(lens)),lens)
C = idx[len(column_data):]

out = np.zeros((len(data), len(column_data)))    
out[R,C] = 1

这是另一个

lens = [len(item) for item in data]
R = np.repeat(np.arange(len(lens)),lens)
C = np.searchsorted(column_data,np.concatenate(data))

out = np.zeros((len(data), len(column_data)))
out[R,C] = 1

内容总结

以上是互联网集市为您收集整理的python-使用索引列表有效填充NumPy数组全部内容，希望文章能够帮你解决python-使用索引列表有效填充NumPy数组所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端