Каков наиболее эффективный способ проверить, существует ли значение в массиве NumPy?

У меня очень большой массив NumPy

1 40 3
4 50 4
5 60 7
5 49 6
6 70 8
8 80 9
8 72 1
9 90 7
....

Я хочу проверить, существует ли значение в первом столбце массива. У меня есть куча доморощенных способов (например, повторение каждой строки и проверка), но учитывая размер массива, я хотел бы найти наиболее эффективный метод.

Спасибо!

Ответы

Ответ 1

Как насчет

if value in my_array[:, col_num]:
    do_whatever

Изменить: я думаю, что __contains__ реализовано таким образом, что это то же самое, что @detly version

Ответ 2

Время соревнований! Наиболее очевидным для меня было бы:

np.any(my_array[:, 0] == value)

Ответ 3

Чтобы проверить несколько значений, вы можете использовать numpy.in1d ​​(), который является функциональной версией ключевого слова python. Если ваши данные отсортированы, вы можете использовать numpy.searchsorted():

import numpy as np
data = np.array([1,4,5,5,6,8,8,9])
values = [2,3,4,6,7]
print np.in1d(values, data)

index = np.searchsorted(data, values)
print data[index] == values

Ответ 4

Захватывающий. Мне нужно было улучшить скорость серии циклов, которые должны выполнять соответствующее определение индекса таким же образом. Поэтому я решил найти все решения здесь, а также некоторые риффы.

Вот мои тесты скорости для Python 2.7.10:

import timeit
timeit.timeit('N.any(N.in1d(sids, val))', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

+18,86137104034424

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = [20010401010101+x for x in range(1000)]')

+15,061666011810303

timeit.timeit('N.in1d(sids, val)', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

+11,613027095794678

timeit.timeit('N.any(val == sids)', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

7,670552015304565

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

5,610057830810547

timeit.timeit('val == sids', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

1,6632978916168213

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = set([20010401010101+x for x in range(1000)])')

0,0548710823059082

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = dict(zip([20010401010101+x for x in range(1000)],[True,]*1000))')

+0,054754018783569336

Очень удивительно! Приказы разницы величин!

Подводя итог, если вы просто хотите узнать, есть ли что-то в списке 1D или нет:

  • 19s N.any(N.in1d ​​(массив numpy))
  • 15s x in (list)
  • 8s N.any(массив x == numpy)
  • 6s x in (массив numpy)
  • .1s x in (набор или словарь)

Если вы хотите узнать, где что-то находится в списке (порядок важен):

  • 12s N.in1d ​​(x, numpy array)
  • 2s x == (массив numpy)

Ответ 5

Добавление в @HYRY-ответ in1d кажется самым быстрым для numpy. Это использует numpy 1.8 и python 2.7.6.

В этом тесте in1d был самым быстрым:

a = arange(0,99999,3)
%timeit 10 in a
%timeit in1d(a, 10)

10000 loops, best of 3: 150 µs per loop
10000 loops, best of 3: 61.9 µs per loop

Использование набора Python кажется самым быстрым:

s = set(range(0, 99999, 3))
%timeit 10 in s

10000000 loops, best of 3: 47 ns per loop