python – 替换numpy数组中的元素,避免循环

我有一个非常大的1d numpy数组Xold与给定的值.这些值应该是
根据2d numpy数组Y指定的规则替换：
一个例子是

Xold=np.array([0,1,2,3,4])
Y=np.array([[0,0],[1,100],[3,300],[4,400],[2,200]])

每当Xold中的值与Y [：,0]中的值相同时,Xnew中的新值应该是Y [：,1]中的对应值.这是通过两个嵌套的for循环实现的：

Xnew=np.zeros(len(Xold))
for i in range(len(Xold)):
for j in range(len(Y)):
    if Xold[i]==Y[j,0]:
        Xnew[i]=Y[j,1]

在给定的示例中,这产生Xnew = [0,100,200,300,400].
但是,对于大型数据集,此过程非常缓慢.什么是更快,更优雅的方式来完成这项任务？

解决方法

这个问题的答案提供了一种很好的方法来替换numpy数组中的元素.让我们检查,哪一个是最快的.

TL; DR：Numpy索引是赢家

def meth1(): # suggested by @Slam
    for old,new in Y:  
        Xold[Xold == old] = new

 def meth2(): # suggested by myself,convert y_dict = dict(Y) first
     [y_dict[i] if i in y_dict.keys() else i for i in Xold]

 def meth3(): # suggested by @Eelco Hoogendoom,import numpy_index as npi first
     npi.remap(Xold,keys=Y[:,values=Y[:,1])

 def meth4(): # suggested by @Brad Solomon,import pandas as pd first 
     pd.Series(Xold).map(pd.Series(Y[:,1],index=Y[:,0])).values

  # suggested by @jdehesa. create Xnew = Xold.copy() and index
  # idx = np.searchsorted(Xold,Y[:,0]) first
  def meth5():             
     Xnew[idx] = Y[:,1]

结果并不那么令人惊讶

In [39]: timeit.timeit(meth1,number=1000000)                                                                      
 Out[39]: 12.08

 In [40]: timeit.timeit(meth2,number=1000000)                                                                      
 Out[40]: 2.87

 In [38]: timeit.timeit(meth3,number=1000000)                                                                      
 Out[38]: 55.39

 In [12]: timeit.timeit(meth4,number=1000000)                                                                                      
 Out[12]: 256.84

 In [50]: timeit.timeit(meth5,number=1000000)                                                                                      
 Out[50]: 1.12

因此,良好的旧列表理解是第二快的,并且获胜的方法是结合searchsorted()的numpy索引.

（编辑：甘南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!