最有效的方法（lo<=k&&k<=hi）？1:0表示k a numpy数组，lo，hi常量

Question

我有一个大的numpy数组k，形状未明，我想构造一个形状相同的数组d，当k中对应的条目在两个常量lo和hi之间时，它是1.0，否则为0.0。（由于较大的代码正在执行的操作，我不希望使用布尔值数组。）

最明显的方法是

d = np.ones_like(k)
d[np.less(k, lo)] = 0
d[np.greater(k, hi)] = 0

然而，np.less和np.greater调用涉及到创建大型scratch布尔数组，我已经测量到这是一个很大的开销。有没有一种方法可以在保持完全矢量化的情况下执行此操作，而不需要创建任何大的scratch对象？你知道吗

Answer 1

您可以基于比较创建布尔数组，然后一次性转换为浮点类型，如下所示-

d = ((k >=lo) & (k <= hi)).astype(float)

Answer 2

正如其他人所说，numpy对临时缓冲区的负担很重，它不能提供太多的控制。如果内存占用真的是一个拦路虎，你可以放弃你自己的小程序。例如

def process(x, lo, hi):
    """ lo <= x < hi ? 1.0 : 0.0."""
    x_shape = x.shape
    xx = np.ascontiguousarray(x).ravel()
    out = np.empty_like(xx)
    _process(xx, lo, hi, out)
    return out.reshape(x_shape)

其中_process用cython表示：

%%cython  annotate

import cython

@cython.boundscheck(False)
@cython.wraparound(False)
def _process(double[::1] x, double lo, double hi, double[::1] out):
    """ lo <= x < hi ? 1.0 : 0.0.""" 
    cdef:
        Py_ssize_t j
        double xj

    for j in range(x.shape[0]):
        xj = x[j]
        if lo <= xj < hi:
            out[j] = 1.0
        else:
            out[j] = 0.0

这里我使用了jupyter笔记本（因此使用了有趣的%%cython语法）。在实际的项目中，您需要加入一个setup.py来编译扩展等，这样做的好处是否值得麻烦取决于您自己。你知道吗

Answer 3

less和greater取out参数：

out=np.ones_like(k)
np.less(k,80,out=out);
out &= np.greater(k,20);
# np.logical_and(np.greater(k,20),out,out=out);

最终可能会保存一个中间数组。虽然我对ufunc out的印象是它仍然创建了一个临时数组，但只是将它复制到out。你知道吗

在一个小的（10x10）数组上，这比@zwol的方法快，但比@Divakar的方法慢，但差别不大。你知道吗