有没有一种原生的numpy方法可以将一个字符串表示的布尔数组转换为实际的布尔值呢?例如:
我可以创建一个实际的布尔数组用于掩码/索引吗?我可以使用for循环遍历并重建数组,但对于大型数组来说,这种方法速度较慢。
['True','False','True','False']
我可以创建一个实际的布尔数组用于掩码/索引吗?我可以使用for循环遍历并重建数组,但对于大型数组来说,这种方法速度较慢。
['True','False','True','False']
如果我理解正确,您应该能够进行布尔比较,无论 dtype
是字符串还是 object
:
>>> a = np.array(['True', 'False', 'True', 'False'])
>>> a
array(['True', 'False', 'True', 'False'],
dtype='|S5')
>>> a == "True"
array([ True, False, True, False], dtype=bool)
或者
>>> a = np.array(['True', 'False', 'True', 'False'], dtype=object)
>>> a
array(['True', 'False', 'True', 'False'], dtype=object)
>>> a == "True"
array([ True, False, True, False], dtype=bool)
a
中所有值为 'True'
的项都具有相同的 id()
值,对于所有 'False'
元素也是如此 [尽管奇怪的是,即使在将一个条目与其本身进行测试时,is
也似乎不起作用。a[0] is a[0]
返回 False
,即使 id(a[0]) == id(a[0])
返回 True
])我认为内部化是这里的相等性检查比 numpy.char.startswith()
快得多的原因,即使 numpy.char
中的函数应该在 numpy 数组上执行快速的字符串操作。 - JABis
和==
进行测试(对于字符串被内部化与否的情况,因为is
无法处理非内部化字符串。由于'True'
可能会成为脚本中的文字,所以它应该被内部化)。测试表明,虽然我使用==
的版本比使用is
的版本慢,但仍比DSM的版本快得多。import timeit
def timer(statement, count):
return timeit.repeat(statement, "from random import choice;import numpy as np;x = [choice(['True', 'False']) for i in range(%i)]" % count)
>>> stateIs = "y = np.fromiter((e is 'True' for e in x), bool)"
>>> stateEq = "y = np.fromiter((e == 'True' for e in x), bool)"
>>> stateDSM = "y = np.array(x) == 'True'"
有1000个元素时,更快的语句大约只需要 DSM 语句时间的 66%:
>>> timer(stateIs, 1000)
[101.77722641656146, 100.74985342340369, 101.47228618107965]
>>> timer(stateEq, 1000)
[112.26464996250706, 112.50754567379681, 112.76057346127709]
>>> timer(stateDSM, 1000)
[155.67689949529995, 155.96820504501557, 158.32394669279802]
对于较小的字符串数组(数量在百位数而非千位数),所花费的时间少于 DSM 的一半:
>>> timer(stateIs, 100)
[11.947757485669172, 11.927990253608186, 12.057855628259858]
>>> timer(stateEq, 100)
[13.064947253943501, 13.161545451986967, 13.30599035623618]
>>> timer(stateDSM, 100)
[31.270060799078237, 30.941749748808434, 31.253922641324607]
>>> timer(stateIs, 50)
[6.856538342483873, 6.741083326021908, 6.708402786859551]
>>> timer(stateEq, 50)
[7.346079345032194, 7.312723444475523, 7.309259899921017]
>>> timer(stateDSM, 50)
[24.154247576229864, 24.173593700599667, 23.946403452288905]
对于5个项目,DSM的大约11%:
>>> timer(stateIs, 5)
[1.8826215278058953, 1.850232652068371, 1.8559381315990322]
>>> timer(stateEq, 5)
[1.9252821868467436, 1.894011299061276, 1.894306935199893]
>>> timer(stateDSM, 5)
[18.060974208809057, 17.916322392367874, 17.8379771602049]
这个够好吗?
my_list = ['True', 'False', 'True', 'False']
np.array(x == 'True' for x in my_list)
虽然它不是本地的,但如果您已经从非本地列表开始,那么这并不重要。