使用numpy的数组的高效阈值过滤器

Question

我需要过滤一个数组以删除低于某个阈值的元素。我当前的代码是这样的：

threshold = 5
a = numpy.array(range(10)) # testing data
b = numpy.array(filter(lambda x: x >= threshold, a))

问题在于，这会使用带有lambda函数（慢速）的过滤器来创建一个临时列表。

由于这是一个非常简单的操作，因此也许有一个numpy函数可以高效地完成此操作，但是我一直找不到它。

我以为实现此目的的另一种方法可能是对数组进行排序，找到阈值的索引并从该索引开始返回一个切片，但是即使对于较小的输入这会更快（而且无论如何也不会引起注意）
），随着输入大小的增加，它的渐近渐近效率降低。

有任何想法吗？谢谢！

更新 ：我也进行了一些测量，当输入为100.000.000条目时，sorting + slicing仍比纯python过滤器快两倍。

In [321]: r = numpy.random.uniform(0, 1, 100000000)

In [322]: %timeit test1(r) # filter
1 loops, best of 3: 21.3 s per loop

In [323]: %timeit test2(r) # sort and slice
1 loops, best of 3: 11.1 s per loop

In [324]: %timeit test3(r) # boolean indexing
1 loops, best of 3: 1.26 s per loop

Answer 1

b = a[a>threshold] 这应该做

我测试如下：

import numpy as np, datetime
# array of zeros and ones interleaved
lrg = np.arange(2).reshape((2,-1)).repeat(1000000,-1).flatten()

t0 = datetime.datetime.now()
flt = lrg[lrg==0]
print datetime.datetime.now() - t0

t0 = datetime.datetime.now()
flt = np.array(filter(lambda x:x==0, lrg))
print datetime.datetime.now() - t0

我有

$ python test.py
0:00:00.028000
0:00:02.461000

http://docs.scipy.org/doc/numpy/user/basics.indexing.html#boolean-or-mask-
index-
arrays