首页 文章

在numpy数组中查找相同值的序列长度（运行长度编码）

提问于
浏览 次
38

在pylab程序中（也可能是一个matlab程序）我有一个代表距离的数字numpy数组： d[t] 是时间 t 的距离（我的数据的时间 Span 是 len(d) 时间单位） .

事件我很容易得到 b = d<threshold 的布尔数组，问题归结为计算 b 中纯真词的长度序列 . 但我不知道如何有效地做到这一点（即使用numpy原语），并且我使用数组并进行手动更改检测（即当值从False变为True时初始化计数器，只要值为True就增加计数器，当值返回False时，将计数器输出到序列 . 但这非常缓慢 .

How to efficienly detect that sort of sequences in numpy arrays ?

下面是一些说明我的问题的python代码：第四个点需要很长时间才能出现（如果没有，增加数组的大小）

from pylab import *

threshold = 7

print '.'
d = 10*rand(10000000)

print '.'

b = d<threshold

print '.'

durations=[]
for i in xrange(len(b)):
    if b[i] and (i==0 or not b[i-1]):
        counter=1
    if  i>0 and b[i-1] and b[i]:
        counter+=1
    if (b[i-1] and not b[i]) or i==len(b)-1:
        durations.append(counter)

print '.'
python matlab numpy matplotlib

5 回答

  • 6
    durations = []
counter   = 0

for bool in b:
    if bool:
        counter += 1
    elif counter > 0:
        durations.append(counter)
        counter = 0

if counter > 0:
    durations.append(counter)
    回复于
  • 5

    虽然不是 numpy 原语， itertools 函数通常非常快，所以请尝试这个（并且测量各种解决方案的时间，当然包括这个）：

    def runs_of_ones(bits):
  for bit, group in itertools.groupby(bits):
    if bit: yield sum(group)

    如果确实需要列表中的值，那么当然可以使用list（runs_of_ones（bits））;但也许列表理解可能会略微加快：

    def runs_of_ones_list(bits):
  return [sum(g) for b, g in itertools.groupby(bits) if b]

    转向“numpy-native”的可能性，那么：

    def runs_of_ones_array(bits):
  # make sure all runs of ones are well-bounded
  bounded = numpy.hstack(([0], bits, [0]))
  # get 1 at run starts and -1 at run ends
  difs = numpy.diff(bounded)
  run_starts, = numpy.where(difs > 0)
  run_ends, = numpy.where(difs < 0)
  return run_ends - run_starts

    再次：确保在实际的示例中针对彼此对比解决方案！

    回复于
  • 0

    万一有人好奇（因为你传递了MATLAB），这里有一种方法可以在MATLAB中解决它：

    threshold = 7;
d = 10*rand(1,100000);  % Sample data
b = diff([false (d < threshold) false]);
durations = find(b == -1)-find(b == 1);

    我对Python不太熟悉，但也许这可以帮助你提供一些想法 . =）

    回复于
  • 34

    适用于任何阵列的完全numpy矢量化和通用RLE（也适用于字符串，布尔值等） .

    输出运行长度，起始位置和值的元组 .

    import numpy as np

def rle(inarray):
        """ run length encoding. Partial credit to R rle function. 
            Multi datatype arrays catered for including non Numpy
            returns: tuple (runlengths, startpositions, values) """
        ia = np.asarray(inarray)                  # force numpy
        n = len(ia)
        if n == 0: 
            return (None, None, None)
        else:
            y = np.array(ia[1:] != ia[:-1])     # pairwise unequal (string safe)
            i = np.append(np.where(y), n - 1)   # must include last element posi
            z = np.diff(np.append(-1, i))       # run lengths
            p = np.cumsum(np.append(0, z))[:-1] # positions
            return(z, p, ia[i])

    很快（i7）：

    xx = np.random.randint(0, 5, 1000000)
%timeit yy = rle(xx)
100 loops, best of 3: 18.6 ms per loop

    多种数据类型：

    rle([True, True, True, False, True, False, False])
Out[8]: 
(array([3, 1, 1, 2]),
 array([0, 3, 4, 5]),
 array([ True, False,  True, False], dtype=bool))

rle(np.array([5, 4, 4, 4, 4, 0, 0]))
Out[9]: (array([1, 4, 2]), array([0, 1, 5]), array([5, 4, 0]))

rle(["hello", "hello", "my", "friend", "okay", "okay", "bye"])
Out[10]: 
(array([2, 1, 1, 2, 1]),
 array([0, 2, 3, 4, 6]),
 array(['hello', 'my', 'friend', 'okay', 'bye'], 
       dtype='|S6'))

    与Alex Martelli相同的结果如上：

    xx = np.random.randint(0, 2, 20)

xx
Out[60]: array([1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1])

am = runs_of_ones_array(xx)

tb = rle(xx)

am
Out[63]: array([4, 5, 2, 5])

tb[0][tb[2] == 1]
Out[64]: array([4, 5, 2, 5])

%timeit runs_of_ones_array(xx)
10000 loops, best of 3: 28.5 µs per loop

%timeit rle(xx)
10000 loops, best of 3: 38.2 µs per loop

    比Alex慢一点（但速度非常快），而且更加灵活 .

    回复于
  • 42

    这是一个仅使用数组的解决方案：它采用包含bool序列的数组并计算转换的长度 .

    >>> from numpy import array, arange
>>> b = array([0,0,0,1,1,1,0,0,0,1,1,1,1,0,0], dtype=bool)
>>> sw = (b[:-1] ^ b[1:]); print sw
[False False  True False False  True False False  True False False False
  True False]
>>> isw = arange(len(sw))[sw]; print isw
[ 2  5  8 12]
>>> lens = isw[1::2] - isw[::2]; print lens
[3 4]

    sw 包含true，其中有一个开关， isw 在索引中转换它们 . 然后在 lens 中成对地减去isw的项目 .

    请注意，如果序列以1开始，它将计算0s序列的长度：这可以在索引中修复以计算镜头 . 另外，我没有测试过角情况，例如长度为1的序列 .

    完整函数，返回所有 True -subarrays的起始位置和长度 .

    import numpy as np

def count_adjacent_true(arr):
    assert len(arr.shape) == 1
    assert arr.dtype == np.bool
    if arr.size == 0:
        return np.empty(0, dtype=int), np.empty(0, dtype=int)
    sw = np.insert(arr[1:] ^ arr[:-1], [0, arr.shape[0]-1], values=True)
    swi = np.arange(sw.shape[0])[sw]
    offset = 0 if arr[0] else 1
    lengths = swi[offset+1::2] - swi[offset:-1:2]
    return swi[offset:-1:2], lengths

    测试了不同的bool 1D阵列（空数组;单个/多个元素;偶数/奇数长度;以 True / False 开头;仅包含 True / False 元素） .

    回复于

相关问题