Question

我正在使用Python，我需要找到执行以下任务的最有效方法。

任务：给定零和一的任何一维数组 v ，用 k > = 0表示所有子序列的数量 v 的那些。

我需要从 v 获得一个二维数组 w ，这样：
1）shape（w）=（k，len（v）），
2）对于每一个i = 1，..，k，“ w”的第i行是一个全零的数组，除了 v 的所有第i个子序列。

让我举个例子：假设$ v $是数组

v=[0,1,1,0,0,1,0,1,1,1]

然后k = 3和 w 应该是数组

w=[[0,1,1,0,0,0,0,0,0,0],[0,0,0,0,0,1,0,0,0,0],[0,0,0,0,0,0,0,1,1,1]]

可以编写代码以多种方式执行此任务，例如：

import numpy as np

start=[]
end=[]
for ii in range(len(v)-1):
    if (v[ii:ii+2]==[0,1]).all():
        start.append(ii)
    if (v[ii:ii+2]==[1,0]).all():
        end.append(ii)
if len(start)>len(end):
    end.append(len(v)-1)

w=np.zeros((len(start),len(v)))
for jj in range(len(start)):
    w[jj,start[jj]+1:end[jj]+1]=np.ones(end[jj]-start[jj])

但是我需要在非常大的数组 v 上执行此任务，并且此任务是函数的一部分，然后进行最小化..因此，我需要它尽可能高效和快速。

因此，总而言之，我的问题是：在Python中执行计算的最有效方法是什么？

Answer 1

这是一种矢量化方式-

def expand_islands2D(v):
    # Get start, stop of 1s islands
    v1 = np.r_[0,v,0]
    idx = np.flatnonzero(v1[:-1] != v1[1:])
    s0,s1 = idx[::2],idx[1::2]

    # Initialize 1D id array  of size same as expected o/p and has 
    # starts and stops assigned as 1s and -1s, so that a final cumsum
    # gives us the desired o/p
    N,M = len(s0),len(v)
    out = np.zeros(N*M,dtype=int)

    # Setup starts with 1s
    r = np.arange(N)*M
    out[s0+r] = 1

    # Setup stops with -1s
    if s1[-1] == M:
        out[s1[:-1]+r[:-1]] = -1
    else:
        out[s1+r] = -1

    # Final cumsum on ID array
    out2D = out.cumsum().reshape(N,-1)
    return N, out2D

样品运行-

In [105]: v
Out[105]: array([0, 1, 1, 0, 0, 1, 0, 1, 1, 1])

In [106]: k,out2D = expand_islands2D(v)

In [107]: k # number of islands
Out[107]: 3

In [108]: out2D # 2d output with 1s islands on different rows
Out[108]: 
array([[0, 1, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 1, 1, 1]])

从一个1维的位数组中获得一个特定的2维的1序列数组[Python]

1 个答案: