成對映射numpy陣列

Question

我目前正在用python和numpy/scipy實現節拍檢測算法。 我基本上需要讀取.wav文件並對其進行處理。下面是代碼：

sampling_rate, wave_data = scipy.io.wavfile.read(argv[1]) 

wave_data是1 d numpy的陣列用約441 000的元件（10秒聲的以44.1KHz採樣率）。現在，我需要對這個數組中的每兩個元素進行一些基本的數學運算。這就是我現在的做法：

wave_data = [sampling_rate * (wave_data[i+1] - wave_data[i]) 
      for i in xrange(len(wave_data)-1)] 

這種運行需要很多時間（明顯沒有性能分析）。我需要將數組映射到「in-place」，而不創建新的python列表。我知道有numpy.vectorize，但我不知道如何配對映射（映射數組中的每兩個元素）。

Answer 1

下列任一會做到這一點：

wave_date = sampling_rate * np.diff(wave_data) 

或

wave_date = sampling_rate * (wave_data[1:] - wave_data[:-1]) 

例如：

In [7]: sampling_rate = 2 

In [8]: wave_data = np.array([1, 3, 5, 2, 8, 10]) 

In [9]: sampling_rate * (wave_data[1:] - wave_data[:-1]) 
Out[9]: array([ 4, 4, -6, 12, 4]) 

就性能而言，這兩種方法都是關於比列表理解速度快500倍：

In [16]: wave_data = np.array([1., 3, 5, 2, 8, 10, 5, 2, 4, 7] * 44100) 

In [17]: %timeit sampling_rate * np.diff(wave_data) 
100 loops, best of 3: 2.2 ms per loop 

In [18]: %timeit sampling_rate * (wave_data[1:] - wave_data[:-1]) 
100 loops, best of 3: 2.15 ms per loop 

In [19]: %timeit [sampling_rate * (wave_data[i+1] - wave_data[i]) for i in xrange(len(wave_data)-1)] 
1 loops, best of 3: 970 ms per loop