在numpy中快速高級索引

Question

我試圖儘可能快地使用花式索引從大的numpy數組中切片。我會很高興返回一個視圖，但advanced indexing returns a copy。

我已經嘗試過here和here的解決方案，目前爲止沒有喜悅。

玩具數據：

data = np.random.randn(int(1e6), 50) 
keep = np.random.rand(len(data))>0.5 

使用默認方法：

%timeit data[keep] 
10 loops, best of 3: 86.5 ms per loop 

numpy的採取：

%timeit data.take(np.where(keep)[0], axis=0) 
%timeit np.take(data, np.where(keep)[0], axis=0) 
10 loops, best of 3: 83.1 ms per loop 
10 loops, best of 3: 80.4 ms per loop  

方法從here：

rows = np.where(keep)[0] 
cols = np.arange(a.shape[1]) 
%timeit (a.ravel()[(cols + (rows * a.shape[1]).reshape((-1,1))).ravel()]).reshape(rows.size, cols.size) 
10 loops, best of 3: 159 ms per loop 

而如果你採取同樣大小的一個觀點：

%timeit data[1:-1:2, :] 
1000000 loops, best of 3: 243 ns per loop 

Answer 1

有沒有辦法，以期做到這一點。一個視圖需要一致的邁進，而你的數據是隨機分散在整個原始數組中的。