Numpy 数组:高效查找匹配的索引

Question

我有两个列表，其中一个是巨大的（数百万个元素），另一个是几千个。我想执行以下操作

bigArray=[0,1,0,2,3,2,,.....]
smallArray=[0,1,2,3,4]
for i in len(smallArray):
  pts=np.where(bigArray==smallArray[i])
  #Do stuff with pts...

以上有效，但速度很慢。 有没有办法在不诉诸用 C 语言编写东西的情况下更有效地做到这一点？

Answer 1

Numpy 提供了函数 numpy.searchsorted： http://docs.scipy.org/doc/numpy-1.10.0/reference/generated/numpy.searchsorted.html

例：

>>> import numpy as np
>>> sorted = np.argsort(big_list)
>>> r = np.searchsorted(big_list, small_list, side='right',sorter=sorted)
>>> l  = np.searchsorted(big_list, small_list, side='left',sorter=sorted)
>>> for b, e in zip(l, r):
...     inds = sorted[b:e]

Answer 2

在您的情况下，您可能会从预排序大数组中受益。以下示例演示如何将时间从 ~ 45 秒减少到 2 秒（在我的笔记本电脑上）（对于数组 5e6 与 1e3 的一组特定长度）。显然，如果阵列大小大不相同，则解决方案将不是最佳的。例如，对于默认解决方案，复杂性为 O（bigN*smallN），但对于我建议的解决方案，它是 O（（bigN+smallN）*log（bigN））

import numpy as np, numpy.random as nprand, time, bisect
bigN = 5e6
smallN = 1000
maxn = 1e7
nprand.seed(1)  
bigArr = nprand.randint(0, maxn, size=bigN)
smallArr = nprand.randint(0, maxn, size=smallN)
# brute force 
t1 = time.time()
for i in range(len(smallArr)):
    inds = np.where(bigArr == smallArr[i])[0]
t2 = time.time()
print "Brute", t2-t1
# not brute force (like nested loop with index scan)
t1 = time.time()
sortedind = np.argsort(bigArr)
sortedbigArr = bigArr[sortedind]
for i in range(len(smallArr)):
    i1 = bisect.bisect_left(sortedbigArr, smallArr[i])
    i2 = bisect.bisect_right(sortedbigArr, smallArr[i])
    inds = sortedind[i1:i2]
t2=time.time()
print "Non-brute", t2-t1

输出：

暴力 42.5278530121

非暴力 1.57193303108

Answer 3

到目前为止，

我认为不需要 numpy; 你可以利用defaultdict，只要你的内存足够，如果观察次数不是太多，应该是

。

big_list = [0,1,0,2,3,2,5,6,7,5,6,4,5,3,4,3,5,6,5]
small_list = [0,1,2,3,4]
from collections import defaultdict
dicto = defaultdict(list) #dictionary stores all the relevant coordinates
                          #so you don't have to search for them later
for ind, ele in enumerate(big_list):
    dicto[ele].append(ind)

结果：

>>> for ele in small_list:
...     print dicto[ele]
... 
[0, 2]
[1]
[3, 5]
[4, 13, 15]
[11, 14]

这应该会给你一些速度。