代码之家 › 专栏 › 技术社区 › Pythonist

numpy数组中元素的访问属性

numpy python

Pythonist · 技术社区 · 7 年前

我有一个numpy数组,其中包含 cftime 班级。

In [1]: a
Out[1]: 
array([cftime.DatetimeNoLeap(2000, 1, 1, 11, 29, 59, 999996, 5, 1),
       cftime.DatetimeNoLeap(2000, 1, 2, 11, 29, 59, 999996, 6, 2),
       cftime.DatetimeNoLeap(2000, 1, 3, 11, 29, 59, 999996, 0, 3)],
      dtype=object)

In [2]: type(a[0])
Out[2]: cftime._cftime.DatetimeNoLeap

每个对象都有一个属性 month .

a[0].month
Out[66]: 1

我想得到一个形状相同的新numpy数组,但对原始数组的每个元素都填充了这个属性。类似的东西 b=a.month . 但很明显这失败了,因为 a 是一个没有 月 属性。我怎样才能达到这个结果?

PS:当然,我可以用一个普通的python循环来完成这项工作,但是我想采用一种完全麻木的方法:

b=np.zeros_like(a, dtype=int)
for i in range(a.size):
    b[i] = a[i].month

2 回复 | 直到 7 年前

yatu Sayali Sonawane 7 年前

你可以使用 np.vectorize ,以便将函数映射到数组中的每个元素。对于这种情况,可以定义自定义 lambda 函数提取每个条目的月份 lambda x: x.month :

np.vectorize(lambda x: x.month)(a)
array([1, 1, 1])

hpaulj 7 年前

我没有 cftime 已安装,因此将用常规的日期时间对象演示。

首先创建一个日期时间对象数组-使用numpy自己的日期时间数据类型的懒惰方式:

In [599]: arr = np.arange('2000-01-11','2000-12-31',dtype='datetime64[D]')
In [600]: arr.shape
Out[600]: (355,)

从中生成对象数据类型数组:

In [601]: arrO = arr.astype(object)

以及日期列表:

In [602]: alist = arr.tolist()

定期列表理解的时间:

In [603]: timeit [d.month for d in alist]
20.1 Âµs Â± 62.7 ns per loop (mean Â± std. dev. of 7 runs, 10000 loops each)

对象数据类型数组上的列表理解通常较慢(但比常规数组上的列表理解快):

In [604]: timeit [d.month for d in arrO]
30.7 Âµs Â± 266 ns per loop (mean Â± std. dev. of 7 runs, 10000 loops each)

frompyfunc -在这里,它是慢的;其他时候,我看到它比列表理解快2倍:

In [605]: timeit np.frompyfunc(lambda x: x.month, 1,1)(arrO)
51 Âµs Â± 32.4 ns per loop (mean Â± std. dev. of 7 runs, 10000 loops each)

vectorize 总是(几乎)慢于 从聚氧乙烯 (即使它使用 从聚氧乙烯 对于实际迭代:

In [606]: timeit np.vectorize(lambda x: x.month, otypes=[int])(arrO)
76.7 Âµs Â± 123 ns per loop (mean Â± std. dev. of 7 runs, 10000 loops each)

以下是数组和列表的示例:

In [607]: arr[:5]
Out[607]: 
array(['2000-01-11', '2000-01-12', '2000-01-13', '2000-01-14',
       '2000-01-15'], dtype='datetime64[D]')
In [608]: arrO[:5]
Out[608]: 
array([datetime.date(2000, 1, 11), datetime.date(2000, 1, 12),
       datetime.date(2000, 1, 13), datetime.date(2000, 1, 14),
       datetime.date(2000, 1, 15)], dtype=object)
In [609]: alist[:5]
Out[609]: 
[datetime.date(2000, 1, 11),
 datetime.date(2000, 1, 12),
 datetime.date(2000, 1, 13),
 datetime.date(2000, 1, 14),
 datetime.date(2000, 1, 15)]

从聚氧乙烯 和 矢量化 当需要广播和多维数组的通用性时,最好使用。对于一维数组,列表理解几乎总是更好的。

更公平地 从聚氧乙烯 ,我应该从列表理解返回一个数组:

In [610]: timeit np.array([d.month for d in arrO])
50.1 Âµs Â± 36.3 ns per loop (mean Â± std. dev. of 7 runs, 10000 loops each)

若要获得最快的日期,请使用 datatime64 DTYPE而不是Object DTYPE。这使得编译后的numpy代码得到了更多的使用。

In [611]: timeit arr = np.arange('2000-01-11','2000-12-31',dtype='datetime64[D]'
     ...: )
3.16 Âµs Â± 51 ns per loop (mean Â± std. dev. of 7 runs, 100000 loops each)

In [616]: arr.astype('datetime64[M]')[::60]
Out[616]: 
array(['2000-01', '2000-03', '2000-05', '2000-07', '2000-09', '2000-11'],
      dtype='datetime64[M]')