大于现有值的值的Numpy第一次出现

Question

我有一个1D数组在Numpy和我想找到的索引的位置，其中一个值超过了Numpy数组中的值。

例如。

aa = range(-10,10)

在aa中查找超过5值的位置。

Answer 1

我对此也很感兴趣，我已经将所有建议的答案与填充图进行了比较。（免责声明：我是的作者。）

如果您知道正在查看的数组已排序，则

numpy.searchsorted(a, alpha)

这是给你的。它是O（log（n））操作，即速度几乎不取决于阵列的大小。你再快不过了。

如果你对你的阵列一无所知，你不会错的

numpy.argmax(a > alpha)

已排序：

未分类：

重现情节的代码：

import numpy
import perfplot


alpha = 0.5
numpy.random.seed(0)


def argmax(data):
    return numpy.argmax(data > alpha)


def where(data):
    return numpy.where(data > alpha)[0][0]


def nonzero(data):
    return numpy.nonzero(data > alpha)[0][0]


def searchsorted(data):
    return numpy.searchsorted(data, alpha)


perfplot.save(
    "out.png",
    # setup=numpy.random.rand,
    setup=lambda n: numpy.sort(numpy.random.rand(n)),
    kernels=[argmax, where, nonzero, searchsorted],
    n_range=[2 ** k for k in range(2, 23)],
    xlabel="len(array)",
)

Answer 2

给定数组的排序内容，还有一个更快的方法：搜索排序。

import time
N = 10000
aa = np.arange(-N,N)
%timeit np.searchsorted(aa, N/2)+1
%timeit np.argmax(aa>N/2)
%timeit np.where(aa>N/2)[0][0]
%timeit np.nonzero(aa>N/2)[0][0]

# Output
100000 loops, best of 3: 5.97 µs per loop
10000 loops, best of 3: 46.3 µs per loop
10000 loops, best of 3: 154 µs per loop
10000 loops, best of 3: 154 µs per loop

Answer 3

这要快一点（而且看起来更好）

np.argmax(aa>5)

In [2]: N = 10000

In [3]: aa = np.arange(-N,N)

In [4]: timeit np.argmax(aa>N/2)
100000 loops, best of 3: 52.3 us per loop

In [5]: timeit np.where(aa>N/2)[0][0]
10000 loops, best of 3: 141 us per loop

In [6]: timeit np.nonzero(aa>N/2)[0][0]
10000 loops, best of 3: 142 us per loop