二維數組中的索引對之間的Numpy和

我有一個二維numpy數組（MxN）和另外兩個一維數組（Mx1），它們分別表示二維數組的每一行的開始和結束索引我想總結一下。我正在尋找在大數組中執行此操作的最有效方法（最好不必使用循環，這正是我目前所做的）。我想要做的一個例子是以下內容。二維數組中的索引對之間的Numpy和

>>> random.seed(1234) 
>>> a = random.rand(4,4) 
>>> print a 
[[ 0.19151945 0.62210877 0.43772774 0.78535858] 
[ 0.77997581 0.27259261 0.27646426 0.80187218] 
[ 0.95813935 0.87593263 0.35781727 0.50099513] 
[ 0.68346294 0.71270203 0.37025075 0.56119619]] 
>>> b = array([1,0,2,1]) 
>>> c = array([3,2,4,4]) 
>>> d = empty(4) 
>>> for i in xrange(4): 
    d[i] = sum(a[i, b[i]:c[i]]) 

>>> print d 
[ 1.05983651 1.05256841 0.8588124 1.64414897]

我的問題類似於下面的問題，但是，我不認爲那裏提出的解決方案會非常有效。 Numpy sum of values in subarrays between pairs of indices在這個問題中，他們想要找到同一行的多個子集的總和，所以可以使用cumsum()。但是，我只會在每行中找到一筆金額，所以我不認爲這是計算總和的最有效方法。

編輯：對不起，我在我的代碼中犯了一個錯誤。循環內部的行先前爲d[i] = sum(a[b[i]:c[i]])。我忘記了第一維的索引。每組起始和結束索引對應於二維數組中的新行。

來源

2012-11-20 user1554752

每次迭代做一個大幅度的矢量化操作不應該太慢。你有沒有分析你的代碼，發現循環開銷很大？ – japreiss

總和通常超過20-30個元素，但對於每個函數調用（1200x1200二維數組），完成1200次。此外，每次仿真都會調用約600次函數，並執行了一些仿真，因此循環變得不可忽略。 – user1554752

你可以做這樣的事情：

from numpy import array, random, zeros 
random.seed(1234) 
a = random.rand(4,4) 
b = array([1,0,2,1]) 
c = array([3,2,4,4]) 

lookup = zeros(len(a) + 1, a.dtype) 
lookup[1:] = a.sum(1).cumsum() 
d = lookup[c] - lookup[b] 
print d

這可能幫助，如果你的B/C數組很大，你求和的窗戶都很大。因爲你的窗口可能會重疊，例如2：4和1：4大部分是相同的，所以你基本上在重複操作。通過將cumsum作爲每個處理步驟，可以減少重複操作的次數，並且可以節省時間。如果你的窗口很小並且B/C很小，這將不會有太大的幫助，主要是因爲你將總結一個你不太在乎的矩陣的部分。希望有所幫助。

來源

2012-11-20 16:59:11

對不起，這解決了代碼中出現錯誤時的問題。我已更正了代碼併發布了新輸出，這正是我試圖實現的目標。 – user1554752

二維數組中的索引對之間的Numpy和

回答

相關問題