有效地将numpy数组与元素进行比较

Question

我正在执行大量这些计算:

A == A[np.newaxis].T

其中A是一个密集的numpy数组,通常具有共同的值.

出于基准测试目的,我们可以使用:

n = 30000
A = np.random.randint(0, 1000, n)
A == A[np.newaxis].T

当我执行此计算时,我遇到了内存问题.我相信这是因为输出不是更高效的bitarray或np.packedbits格式.第二个问题是我们正在进行两次必要的比较,因为得到的布尔数组是对称的.

我的问题是:

1. 是否有可能以更高内存效率的方式生成布尔numpy数组输出而不牺牲速度？我所知道的选项是bitarray和np.packedbits,但我只知道在创建大型布尔数组后如何应用这些选项.
2. 我们是否可以利用计算的对称性将处理的比较数量减半,同样不会牺牲速度？

我需要能够执行&和| 对布尔数组输出的操作.我尝试过bitarray,这对于这些按位操作非常快.但是打包np.ndarray - > bitarray然后解压缩bitarray - > np.ndarray是很慢的.

[编辑提供澄清.]

Answer 1

这是numba给我们一个 NumPy 布尔数组作为输出的一个 -

from numba import njit

@njit
def numba_app1(idx, n, s, out):
    for i,j in zip(idx[:-1],idx[1:]):
        s0 = s[i:j]
        c = 0
        for p1 in s0[c:]:
            for p2 in s0[c+1:]:
                out[p1,p2] = 1
                out[p2,p1] = 1
            c += 1
    return out

def app1(A):
    s = A.argsort()
    b = A[s]
    n = len(A)
    idx = np.flatnonzero(np.r_[True,b[1:] != b[:-1],True])
    out = np.zeros((n,n),dtype=bool)
    numba_app1(idx, n, s, out)
    out.ravel()[::out.shape[1]+1] = 1
    return out

时间安排 -

In [287]: np.random.seed(0)
     ...: n = 30000
     ...: A = np.random.randint(0, 1000, n)

# Original soln
In [288]: %timeit A == A[np.newaxis].T
1 loop, best of 3: 317 ms per loop

# @Daniel F's soln-1 that skips assigning lower diagonal in output
In [289]: %timeit sparse_outer_eq(A)
1 loop, best of 3: 450 ms per loop

# @Daniel F's soln-2 (complete one)
In [291]: %timeit sparse_outer_eq(A)
1 loop, best of 3: 634 ms per loop

# Solution from this post
In [292]: %timeit app1(A)
10 loops, best of 3: 66.9 ms per loop