Negatif öğeleri döngü olmadan nasıl sıfırlarsınız?

Question

Ben

Ben sıfıra tüm negatif unsurları ayarlamak istediğiniz

a = np.array([2, 3, -1, -4, 3]) 

gibi bir dizi varsa: [2, 3, 0, 0, 3]. Açıkça olmadan numpy ile nasıl yapılır? I b orijinal a

Sonuç

import numpy as np 
from time import time 

a = np.random.uniform(-1, 1, 20000000) 
t = time(); b = np.where(a>0, a, 0); print "1. ", time() - t 
a = np.random.uniform(-1, 1, 20000000) 
t = time(); b = a.clip(min=0); print "2. ", time() - t 
a = np.random.uniform(-1, 1, 20000000) 
t = time(); a[a < 0] = 0; print "3. ", time() - t 
a = np.random.uniform(-1, 1, 20000000) 
t = time(); a[np.where(a<0)] = 0; print "4. ", time() - t 
a = np.random.uniform(-1, 1, 20000000) 
t = time(); b = [max(x, 0) for x in a]; print "5. ", time() - t 

1. 1,38629984856
aynı uzunlukta bir dizi örneğin

c = a * b 

, bir hesaplama modifiye a kullanmaya gerek

2. 0.516846179962 < - hızlı a.clip (dak = 0);
3. 0,615426063538
4. 0,944557905197
5. 51,7364809513

Answer 1

a = a.clip(min=0) 

Answer 2

Bunu yapacağını:

a[a < 0] = 0 

orijinal a tutmak ve sadece sıfıra olumsuz unsurları ayarlamak isterseniz bir kopya, önce diziyi kopyalayabilirsiniz:

c = a.copy() 
c[c < 0] = 0 

Answer 3

Kullanım where

a[numpy.where(a<0)] = 0 

Answer 4

bir püf çarpma kullanmaktır. Bu aslında burada diğer her yöntemden daha hızlı görünüyor. Örneğin

a *= (a>0) # in-place zero-ing 

b = a*(a>0) # copies data 

veya

Ben sürümüyle gelen timeit ile testler, bunların bir kısmı yerinde değiştirebilir ve o ölçüde sonuçları etkileyecektir çünkü> < öncesi hesaplanması ve koştu. Tüm durumlarda a, np.random.uniform(-1, 1, 20000000) idi, ancak a'dan önce 0 olarak ayarlanmış negatifler L = a < 0 ve G = a > 0 değiştirildi. L veya G'u kullanamadığından clip göreceli olarak olumsuz etkilenmiştir (ancak aynı makinede bulunanların hesaplanması sadece 17 ms'dir, bu nedenle hız farkının ana nedeni değildir). clip yerine yerinde yöntemlerini cezalandırmak seçerken

%timeit b = np.where(G, a, 0) # 132ms copies 
%timeit b = a.clip(min=0)  # 165ms copies 
%timeit a[L] = 0    # 158ms in-place 
%timeit a[np.where(L)] = 0  # 122ms in-place 
%timeit b = a*G    # 87.4ms copies 
%timeit np.multiply(a,G,a)  # 40.1ms in-place (normal code would use `a*=G`) 

aşağıdaki zamanlamaları gelip:

yöntemleri 20ms ( a>0 hesaplamak için gerekli süre ya tarafından cezalandırılır Sigara yerinde

%timeit b = np.where(a>0, a, 0)    # 152ms 
%timeit b = a.clip(min=0)     # 165ms 
%timeit b = a.copy(); b[a<0] = 0   # 231ms 
%timeit b = a.copy(); b[np.where(a<0)] = 0 # 205ms 
%timeit b = a*(a>0)       # 108ms 
%timeit b = a.copy(); b*=a>0    # 121ms 

a<0) ve yerinde yöntemler 73-83 ms cezalandırılır (bu nedenle b.copy() yapmak için yaklaşık 53-63ms alır).

Genel çarpma yöntemleri clip çok daha hızlıdır. Yerinde değilse, 1.5x daha hızlıdır. Eğer yerinde yapabilirseniz o zaman 2.75x daha hızlıdır. Benim makine üzerinde