有没有比 np.diff 更快的替代品？

Question

我关心以下函数的速度：

def cch(tau):
    return np.sum(abs(-1*np.diff(cartprod)-tau)<0.001)

"cartprod"如下所示的列表的变量在哪里：

cartprod = np.ndarray([[0.0123,0.0123],[0.0123,0.0459],...])

这份名单的长度约为2500万。基本上，我试图找到一种显着更快的方法来返回该中每个对列表的差异列表np.ndarray。是否有比 更快的算法方式或函数np.diff？或者，np.diff结局就是一切？我也对其他任何事情持开放态度。

编辑：谢谢大家的解决方案！

Answer 1

我认为你通过重复返回多个长度约为 2500 万的 np.arrays 来碰壁，而不是 np.diff 很慢。我编写了一个等效的函数，它迭代数组并在数组运行过程中计算结果。该函数需要使用 numba 进行抖动才能快速运行。我希望这是可以接受的。

\n\n

arr = np.random.rand(25000000, 2)\n\ndef cch(tau, cartprod):\n    return np.sum(abs(-1*np.diff(cartprod)-tau)<0.001)\n%timeit cch(0.01, arr)\n\n@jit(nopython=True)\ndef cch_jit(tau, cartprod):\n    count = 0\n    tau = -tau\n    for i in range(cartprod.shape[0]):\n        count += np.less(np.abs(tau - (cartprod[i, 1]- cartprod[i, 0])), 0.001)\n    return count\n%timeit cch_jit(0.01, arr)\n

\n\n

产生

\n\n

294 ms \xc2\xb1 2.82 ms \n42.7 ms \xc2\xb1 483 \xc2\xb5s \n

\n\n

大约快 6 倍。

\n