加速NumPy的where函数

Question

我想从一个一维数字数组中找出所有超过某个阈值的值的索引。这个数组的长度大约有1e9。

我在NumPy中使用的方法是这样的：

idxs = where(data>threshold) 

这个方法花了超过20分钟，这太慢了，不能接受。我该怎么加快这个函数的速度？或者，有没有更快的替代方法？

具体来说，这个速度是在一台运行10.6.7的Mac OS X上，1.86 GHz的Intel处理器，4GB内存，什么都不做的情况下测出来的。

Answer 1

试试使用一个掩码数组。这样可以创建一个相同数据的视图。

所以语法应该是：

 b=a[a>threshold]

b 不是一个新数组（和 where 不一样），而是一个视图，显示那些在索引中符合布尔条件的元素。

举个例子：

import numpy as np
import time

a=np.random.random_sample(int(1e9))

t1=time.time()
b=a[a>0.5]
print(time.time()-t1,'seconds')

在我的机器上，这会打印出 22.389815092086792 秒

---

编辑

我也试了 np.where，速度一样快。我有点怀疑：你是在从数组中删除这些值吗？