python – Numpy：将数值插入数组的最快方法,使得数组按顺序排列

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 – Numpy：将数值插入数组的最快方法,使得数组按顺序排列，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2779字，纯文字阅读大概需要4分钟。

内容图文

假设我有一个数组my_array和一个奇异值my_val. (请注意,my_array始终排序).

my_array = np.array([1, 2, 3, 4, 5])
my_val = 1.5

因为my_val是1.5,我想把它放在1和2之间,给我数组[1,1.5,2,3,4,5].

我的问题是：当my_array任意增大时,生成有序输出数组的最快方式(即以微秒为单位)是什么？

我原来的方式是将值连接到原始数组然后排序：

arr_out = np.sort(np.concatenate((my_array, np.array([my_val]))))
[ 1.   1.5  2.   3.   4.   5. ]

我知道np.concatenate很快但我不确定np.sort如何随着my_array的增长而扩展,即使my_array总是会被排序.

编辑：

我已经为接受答案时列出的各种方法编制了时间：

输入：

import timeit

timeit_setup = 'import numpy as np\n'                'my_array = np.array([i for i in range(1000)], dtype=np.float64)\n'                'my_val = 1.5'
num_trials = 1000

my_time = timeit.timeit(
    'np.sort(np.concatenate((my_array, np.array([my_val]))))',
    setup=timeit_setup, number=num_trials
)

pauls_time = timeit.timeit(
    'idx = my_array.searchsorted(my_val)\n'
    'np.concatenate((my_array[:idx], [my_val], my_array[idx:]))',
    setup=timeit_setup, number=num_trials
)

sanchit_time = timeit.timeit(
    'np.insert(my_array, my_array.searchsorted(my_val), my_val)',
    setup=timeit_setup, number=num_trials
)

print('Times for 1000 repetitions for array of length 1000:')
print("My method took {}s".format(my_time))
print("Paul Panzer's method took {}s".format(pauls_time))
print("Sanchit Anand's method took {}s".format(sanchit_time))

输出：

Times for 1000 repetitions for array of length 1000:
My method took 0.017865657746239747s
Paul Panzer's method took 0.005813951002013821s
Sanchit Anand's method took 0.014003945532323987s

对于长度为1,000,000的数组,重复100次：

Times for 100 repetitions for array of length 1000000:
My method took 3.1770704101754195s
Paul Panzer's method took 0.3931240139911161s
Sanchit Anand's method took 0.40981490723551417s

解决方法:

使用np.searchsorted以对数时间查找插入点：

>>> idx = my_array.searchsorted(my_val)
>>> np.concatenate((my_array[:idx], [my_val], my_array[idx:]))
array([1. , 1.5, 2. , 3. , 4. , 5. ])

注1：我建议查看@Willem Van Onselm和@ hpaulj的深刻见解.

注意2：如果所有数据类型从头开始匹配,则使用@Sanchit Anand建议的np.insert可能会稍微方便一些.然而,值得一提的是,这种便利是以巨大的开销为代价的：

>>> def f_pp(my_array, my_val):
...      idx = my_array.searchsorted(my_val)
...      return np.concatenate((my_array[:idx], [my_val], my_array[idx:]))
... 
>>> def f_sa(my_array, my_val):
...      return np.insert(my_array, my_array.searchsorted(my_val), my_val)
...
>>> my_farray = my_array.astype(float)
>>> from timeit import repeat
>>> kwds = dict(globals=globals(), number=100000)
>>> repeat('f_sa(my_farray, my_val)', **kwds)
[1.2453778409981169, 1.2268288589984877, 1.2298014000116382]
>>> repeat('f_pp(my_array, my_val)', **kwds)
[0.2728819379990455, 0.2697303680033656, 0.2688361559994519]

内容总结

以上是互联网集市为您收集整理的python – Numpy：将数值插入数组的最快方法,使得数组按顺序排列全部内容，希望文章能够帮你解决python – Numpy：将数值插入数组的最快方法,使得数组按顺序排列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