如何更快地处理np数组

作者: 甲基蓝
发布时间: 2025-01-04 02:55:43 (7小时前)
转自：

3 条回复

0#
回复此人
一只特立独行的猪 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> 大多数操作的工作方式与在相同大小的NumPy数组上的标量一样。我重写了这个函数， <pre> <code> def count_new(base, image, thresh=50): # these are the pixel absolute value differences differences = np.abs(base - image) # whether the difference exceeds the threshold big_difference = differences > thresh # whether each pixel has at least one big difference big_difference = big_difference.any(axis=2) # return 255 where big differences, and 0 everywhere else return 255 * big_difference.astype(int) </code> </pre> 希望这些评论能够清楚地表明每一行的意图。同时检查这与前一个输出相同 <pre> <code> x = np.random.randint(256, size=(10, 11, 3)) y = np.random.randint(256, size=(10, 11, 3)) assert((count(x,y) == count_new(x,y)).all()) </code> </pre> 这显示了它。 </DIV>

编辑
1#
回复此人
哈哈哈哈 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> 矢量化代码看起来很简单，除了一个问题：您的数据似乎是无符号的整数（ <code> uint8 </code> 从它的外观来看，它需要一些额外的关注，因为它们经常下溢并带来意想不到的结果。例如，显而易见的 <code> np.abs(image-base)>50 </code> 事实上，检测大于50的差异是行不通的 <code> np.abs </code> 是无符号数据的nop。仔细翻译看起来更像 <pre> <code> sheet = np.array([[0,0,0],[255,255,255]], 'u1')[((np.maximum(base, image)-np.minimum(base, image))>50).any(2).view('u1')] </code> </pre> 要么 <pre> <code> sheet = np.array([[0,0,0],[255,255,255]], 'u1')[(np.abs(np.subtract(image, base, dtype='i2'))>50).any(2).view('u1')] </code> </pre> 这个 <OL> <LI> 正确计算亚像素明智的差异， <UL> <LI> 第一个版本模仿你的if / else子句 </LI> <LI> 第二个强制签名的结果类型 <code> 'i2' </code> 要么 <code> int16 </code> 为了差异 </LI> </UL> </LI> <LI> 检测到那些更大的50， </LI> <LI> 标记具有至少一个这样的子像素的像素（ <code> any(2) </code> ） </LI> <LI> 将生成的布尔掩码转换为索引（ <code> .view('u1') </code> ）0和1 </LI> <LI> 并使用它们索引到模板数组。 </LI> </醇> </DIV>

编辑

登录后才能参与评论