我有一个包含 ~10**8 个元素的一维数组array_data
。
我有第二个数组array_index
它指定用于切片array_data
的绑定索引。
以下是最小、完整和可验证的array_data
和array_index
示例:
import numpy as np
#Create data
array_data = np.arange(100)
#Randomly create indices
array_index = np.sort(np.random.randint(100, size=(10,2)))
#For each randomly created index, slice the array
array_sliced = [array_data[index[0]:index[1]]) for index in array_index]
#Now data is sliced, perform operation on the sliced data. For example:
val = []
for slice in array_sliced:
val.append(np.nanmean(slice))
问题:使用array_index
axis=1
对array_data
进行切片的最佳方法是什么,以便我可以在切片数组上执行其他任务(例如min
、max
、mean
(?
我目前的解决方案使用列表理解并转换回 numpy 数组。这种方法看起来笨拙而缓慢:
>>> np.array([np.nanmean(array_data[index[0]:index[1]]) for index in array_index], dtype=np.float64)
编辑:添加了最小,完整和可验证的示例(适用于python 2.7(。
当我运行你的代码时,我得到一个不同大小的数组列表:
In [63]: [len(x) for x in array_sliced]
Out[63]: [3, 46, 38, 9, 73, 66, 3, 23, 40, 36]
(你也从np.diff(array_index,axis=1)
得到这个(
一般的观察是,在处理不同大小的数组时,很难以任何 2D 方式处理它们。
您也许能够生成 (10,100( 掩码,True 表示要在每行中保留的值,False 表示省略。 或者也许np.nan
省略。
或者考虑填充这 10 个数组,以便它们适合 (10,73( 数组,再次使用适当的填充元素(0、nan 等(。