概述
我现在拥有的是什么
# setup numpy.random.seed(1) a = numpy.random.random(1000) # create one array numpy.random.seed(2) b = numpy.random.random(1000) # create second array dx = 1e-4 # close-ness parameter # function I want to optimise def find_all_close(a,b): # compare one number to all elements of b def _is_coincident(t): return (numpy.abs(b - t) <= dx).any() # vectorize and loop over a is_coincident = numpy.vectorize(_is_coincident) return is_coincident(a).nonzero()[0]
返回timeit结果如下
10 loops,best of 3: 16.5 msec per loop
优化find_all_close函数的最佳方法是什么,特别是如果a和b保证是浮点数组,当它们传递给find_all_close时可能会以升序排序,可能是cython或类似的?
在实践中,我正在使用10,000到100,000个元素(或更大)的数组,并在几百个不同的b数组上运行整个操作.
left = np.searchsorted(b,a - dx,'left') right = np.searchsorted(b,a + dx,'right') a[left != right]
线性算法有两个指向第二个数组的指针,它们在迭代第一个数组中的元素时跟踪移动窗口.
总结
以上是编程之家为你收集整理的python – 找到一个数组的哪些元素接近另一个数组中的任何元素的最有效方法是什么?全部内容,希望文章能够帮你解决python – 找到一个数组的哪些元素接近另一个数组中的任何元素的最有效方法是什么?所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧