计算 numpy.chararray 中字符出现次数的最快方法

Question

蟒蛇爱好者，

计算numpy.character数组中字符出现的最快方法是什么。

我正在做以下事情：

In [59]: for i in range(10):
...:     m = input("Enter A or B: ")
...:     rr[0][i] = m
...:     
Enter A or B: B
Enter A or B: B
Enter A or B: B
Enter A or B: A
Enter A or B: B
Enter A or B: A
Enter A or B: A
Enter A or B: A
Enter A or B: B
Enter A or B: A

In [60]: rr
Out[60]: 
chararray([['B', 'B', 'B', 'A', 'B', 'A', 'A', 'A', 'B', 'A']],
          dtype='<U1')

In [61]: %timeit a = rr.count('A')
12.5 µs ± 206 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [62]: %timeit d = len(a[a.nonzero()])
3.03 µs ± 54.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

我相信必须有更好的方法来快速和优雅地实现这一目标。

Answer 1

It\'s better to stick to regular NumPy arrays over the chararrays:

\n\n

\n

笔记：

\n\n

chararray 类的存在是为了向后兼容 Numarray，不建议用于新开发。从 numpy 1.4 开始，如果需要字符串数组，建议使用 dtype object_、string_ 或 unicode_ 的数组，并使用 numpy.char 模块中的 free 函数进行快速向量化字符串操作。

\n

\n\n

对于常规数组，我们提出两种方法。

\n\n

方法#1

\n\n

我们可以在与搜索元素进行比较后np.count_nonzero对这些进行计数： -True\'A\'

\n\n

np.count_nonzero(rr==\'A\')\n

\n\n

方法#2

\n\n

仅保留单个字符元素，我们可以通过使用dtype 查看它然后进行比较和计数chararray来更好地优化。uint8计数会快得多，因为我们将处理数字数据。实施将是 -

\n\n

np.count_nonzero(rr.view(np.uint8)==ord(\'A\'))\n

\n\n

在 上Python 2.x，它将是 -

\n\n

np.count_nonzero(np.array(rr.view(np.uint8))==ord(\'A\'))\n

\n\n\n\n

时间安排

\n\n

原始样本数据的计时并缩放到10,000x缩放数据 -

\n\n

# Original sample data\nIn [10]: rr\nOut[10]: array([\'B\', \'B\', \'B\', \'A\', \'B\', \'A\', \'A\', \'A\', \'B\', \'A\'], dtype=\'<U1\')\n\n# @Nils Werner\'s soln\nIn [14]: %timeit np.sum(rr == \'A\')\n100000 loops, best of 3: 3.86 \xc2\xb5s per loop\n\n# Approach #1 from this post\nIn [13]: %timeit np.count_nonzero(rr==\'A\')\n1000000 loops, best of 3: 1.04 \xc2\xb5s per loop\n\n# Approach #2 from this post\nIn [40]: %timeit np.count_nonzero(rr.view(np.uint8)==ord(\'A\'))\n1000000 loops, best of 3: 1.86 \xc2\xb5s per loop\n\n# Original sample data scaled by 10,000x\nIn [16]: rr = np.repeat(rr,10000)\n\n# @Nils Werner\'s soln\nIn [18]: %timeit np.sum(rr == \'A\')\n1000 loops, best of 3: 734 \xc2\xb5s per loop\n\n# Approach #1 from this post\nIn [17]: %timeit np.count_nonzero(rr==\'A\')\n1000 loops, best of 3: 659 \xc2\xb5s per loop\n\n# Approach #2 from this post\nIn [24]: %timeit np.count_nonzero(rr.view(np.uint8)==ord(\'A\'))\n10000 loops, best of 3: 40.2 \xc2\xb5s per loop\n

\n