考虑以下:
tmp1 = ['a','b','c','d','e'] tmp2 = ['f','g','h','d'] tmp3 = ['b','i','j','k','l'] matr = np.array([tmp1,tmp2,tmp3]) matr
产生一个矩阵:
array([['a','e'],['f','d'],['b','l']],dtype='|S1')
现在,我想知道与向量相交的每一行中的值的总和.说,
vec = ['a','f','b'] [sum([y in vec for y in row]) for row in matr]
返回,
[3,2,1]
这是所需的输出.它的问题是我的’matr’实际上是≈1000000x 2200,我有6700个向量来比较.我在这里的解决方案太慢而无法尝试.
我怎样才能改善我正在做的事情?
值得注意的是,matr里面的值来自一组~30000的值,而且我有完整的值.我已经考虑过这样的解决方案,我对每个向量做出这些30000值的字典,并且在按行求和之前使用dict在整个矩阵中转换为True / False.我不确定这是否会有所帮助.
解决方法
对于matr和vec作为数组,这里有一个
np.searchsorted
–
def count_in_rowwise(matr,vec): sidx = vec.argsort() idx = np.searchsorted(vec,matr,sorter=sidx) idx[idx==len(vec)] = 0 return (vec[sidx[idx]] == matr).sum(1)
使用相对较小的vec,我们可以预先对它进行排序和使用,为我们提供另一种计算行数的方法,就像这样 –
def count_in_rowwise_v2(matr,vec,assume_sorted=False): if assume_sorted==1: sorted_vec = vec else: sorted_vec = np.sort(vec) idx = np.searchsorted(sorted_vec,matr) idx[idx==len(sorted_vec)] = 0 return (sorted_vec[idx] == matr).sum(1)
上述解决方案适用于通用输入(数字或字符串).为了解决我们特定的字符串情况,我们可以通过使用np.unique将字符串转换为数字然后重新使用count_in_rowwise / count_in_rowwise_v2来进一步优化它,这将为我们提供第二种方法,就像这样 –
u,ids = np.unique(matr,return_inverse=True) out = count_in_rowwise(ids.reshape(matr.shape),ids[np.searchsorted(u,vec)])
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。