进行价值选择的最快方法？

如何解决进行价值选择的最快方法？

我有一个2d列表理解功能，它根据第一个出现的条件设置为1或0。

由于它相对较慢，所以我想知道是否存在NumPy函数或库来将其加速到更有效的方式。

注意：子数组在相同索引处的长度相等。

result      = [ 
[1 if (ratUp >ratDown)  else 0 if (ratDown>ratUp) else  0 if (pointsDown>pointsUp) else 1    
               for ratUp,ratDown,pointsUp,pointsDown  
                           in zip(ratiosUpSlice,ratiosDownSlice,upPointsSlice,downPointsSlice)] 
                                         for ratiosUpSlice,downPointsSlice 
                                                    in zip(RatiosUp,RatiosDown,UpPointsSlices,DownPointsSlices)]

可复制：

import numpy as np
LEN = 10000
temp = np.random.randint(1,high=100,size=LEN) 
RatiosUp         = [np.random.uniform(size=rand) for rand in temp]
RatiosDown       = [np.random.uniform(size=rand) for rand in temp]
UpPointsSlices   = [np.random.uniform(size=rand) for rand in temp]
DownPointsSlices = [np.random.uniform(size=rand) for rand in temp]

解决方法

您可以修改处理方式，以便在numpy中快速执行所有操作，然后拆分最终结果（如果确实需要）。数据基本上没有2D的东西：每个元素都是按元素完成的。

让我们看看如何首先生成输入数据。您可以将所有数据生成为数组而不是列表：

import numpy as np

LEN = 10000
sizes = np.random.randint(1,100,size=LEN)
n = sizes.sum()
ratios_up = np.random.uniform(size=n)
ratios_down = np.random.uniform(size=n)
up_point_slices = np.random.uniform(size=n)
down_point_slices = np.random.uniform(size=n)

现在应该很容易将循环可视化为单个numpy操作：

result = (ratios_up > ratios_down) | ((ratios_up == ratios_down) & (points_up >= points_down))

如果需要将结果分成数组：

result = np.split(result,np.cumsum(sizes[:-1]))

如果您致力于split，则可以更加简洁地编写整个操作：

splits = np.cumsum(np.random.randint(1,size=LEN))
up = np.random.uniform(size=(splits[-1],2))
down = np.random.uniform(size=(splits[-1],2))

result = np.split((up > down).any(1),splits[:-1])