Python中二维数组的对数

Question

我有一个名为矩阵的二维数组。那里的每个矩阵都有维度1000 x 1000并且由正值组成。现在我想获取所有矩阵中所有值的对数（0 除外）。我如何在 python 中轻松做到这一点？我有以下代码可以满足我的要求，但是了解 Python 可以更简短：newMatrices = []for matrix in matrices:    newMaxtrix = []    for row in matrix:        newRow = []        for value in row:            if value > 0:                newRow.append(np.log(value))            else:                newRow.append(value)        newMaxtrix.append(newRow)    newMatrices.append(newMaxtrix)

Answer 1

您可以将其转换为 numpy 数组并用于numpy.log计算值。

对于 0 值，结果将为-Inf。之后，您可以将其转换回列表并将其替换为-Inf0

或者你可以where在 numpy 中使用

例子：

res = where(arr!= 0, log2(arr), 0)

它将忽略所有零元素。

Answer 2

虽然@Amadan 的答案肯定是正确的（而且更短/更优雅），但在您的情况下它可能不是最有效的（当然，这取决于输入），因为np.where()将为每个匹配值生成一个整数索引。更有效的方法是生成布尔掩码。这有两个优点：(1) 通常内存效率更高 (2)[]运算符在掩码上通常比在整数列表上更快。

为了说明这一点，我np.where()在玩具输入（但具有正确的大小）上重新实现了基于 -based 和基于掩码的解决方案。我还包含了一个np.log.at()基于 - 的解决方案，它也非常低效。

import numpy as np

def log_matrices_where(matrices):

    return [np.where(matrix > 0, np.log(matrix), 0) for matrix in matrices]

def log_matrices_mask(matrices):

    arr = np.array(matrices, dtype=float)

    mask = arr > 0

    arr[mask] = np.log(arr[mask])

    arr[~mask] = 0  # if the values are always positive this is not needed

    return [x for x in arr]

def log_matrices_at(matrices):

    arr = np.array(matrices, dtype=float)

    np.log.at(arr, arr > 0)

    arr[~(arr > 0)] = 0  # if the values are always positive this is not needed

    return [x for x in arr]

N = 1000

matrices = [

    np.arange((N * N)).reshape((N, N)) - N

    for _ in range(2)]

（一些健全性检查以确保我们在做同样的事情）

# check that the result is the same

print(all(np.all(np.isclose(x, y)) for x, y in zip(log_matrices_where(matrices), log_matrices_mask(matrices))))

# True

print(all(np.all(np.isclose(x, y)) for x, y in zip(log_matrices_where(matrices), log_matrices_at(matrices))))

# True

以及我机器上的时间：

%timeit log_matrices_where(matrices)

# 33.8 ms ± 1.13 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit log_matrices_mask(matrices)

# 11.9 ms ± 97 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit log_matrices_at(matrices)

# 153 ms ± 831 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

编辑：另外包括np.log.at()解决方案和关于将log未定义的值归零的注释

Answer 3

另一种选择使用numpy：

arr = np.ndarray((1000,1000))

np.log.at(arr, np.nonzero(arr))