使用 numpy 对数组进行高效阈值过滤

我需要过滤一个数组以删除低于某个阈值的元素。我当前的代码是这样的：

threshold = 5
a = numpy.array(range(10)) # testing data
b = numpy.array(filter(lambda x: x >= threshold, a))

问题是，这会创建一个临时列表，使用带有 lambda 函数的过滤器（慢）。

由于这是一个非常简单的操作，也许有一个 numpy 函数可以有效地完成它，但我一直找不到它。

我认为实现此目的的另一种方法可以是对数组进行排序，找到阈值的索引并从该索引开始返回一个切片，但即使这对于小输入来说会更快（而且无论如何都不会被注意到），随着输入大小的增加，它的效率肯定会逐渐降低。

Update：我也进行了一些测量，当输入为 100.000.000 个条目时，排序+切片仍然是纯 python 过滤器的两倍。

r = numpy.random.uniform(0, 1, 100000000)

%timeit test1(r) # filter
# 1 loops, best of 3: 21.3 s per loop

%timeit test2(r) # sort and slice
# 1 loops, best of 3: 11.1 s per loop

%timeit test3(r) # boolean indexing
# 1 loops, best of 3: 1.26 s per loop

b = a[a>threshold]这应该做

我测试如下：

import numpy as np, datetime
# array of zeros and ones interleaved
lrg = np.arange(2).reshape((2,-1)).repeat(1000000,-1).flatten()

t0 = datetime.datetime.now()
flt = lrg[lrg==0]
print datetime.datetime.now() - t0

t0 = datetime.datetime.now()
flt = np.array(filter(lambda x:x==0, lrg))
print datetime.datetime.now() - t0

I got

$ python test.py
0:00:00.028000
0:00:02.461000

http://docs.scipy.org/doc/numpy/user/basics.indexing.html#boolean-or-mask-index-arrays http://docs.scipy.org/doc/numpy/user/basics.indexing.html#boolean-or-mask-index-arrays