Pandalar, birkaç uyuşuk yöntem ve bir liste anlama yöntemi dahil, bunu yapmak için mümkün olan birkaç yöntemi karşılaştırdım.
İlk olarak, bir temel ile başlayalım:
>>> import numpy as np
>>> import operator
>>> import pandas as pd
>>> x = [1, 2, 1, 2]
>>> %time count = np.sum(np.equal(1, x))
>>> print("Count {} using numpy equal with ints".format(count))
CPU times: user 52 µs, sys: 0 ns, total: 52 µs
Wall time: 56 µs
Count 2 using numpy equal with ints
Öyleyse, temelimiz, sayımın doğru 2
olması ve bununla ilgilenmemiz gerektiğidir 50 us
.
Şimdi saf yöntemi deniyoruz:
>>> x = ['s', 'b', 's', 'b']
>>> %time count = np.sum(np.equal('s', x))
>>> print("Count {} using numpy equal".format(count))
CPU times: user 145 µs, sys: 24 µs, total: 169 µs
Wall time: 158 µs
Count NotImplemented using numpy equal
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/ipykernel_launcher.py:1: FutureWarning: elementwise comparison failed; returning scalar instead, but in the future will perform elementwise comparison
"""Entry point for launching an IPython kernel.
Ve burada yanlış cevabı ( NotImplemented != 2
) alıyoruz , uzun zaman alıyor ve uyarıyı veriyor.
Öyleyse başka bir saf yöntem deneyeceğiz:
>>> %time count = np.sum(x == 's')
>>> print("Count {} using ==".format(count))
CPU times: user 46 µs, sys: 1 µs, total: 47 µs
Wall time: 50.1 µs
Count 0 using ==
Yine yanlış cevap ( 0 != 2
). Bu daha da sinsi çünkü sonradan uyarılar yok ( 0
aynı şekilde etrafta dolaştırılabilir 2
).
Şimdi bir liste anlamayı deneyelim:
>>> %time count = np.sum([operator.eq(_x, 's') for _x in x])
>>> print("Count {} using list comprehension".format(count))
CPU times: user 55 µs, sys: 1 µs, total: 56 µs
Wall time: 60.3 µs
Count 2 using list comprehension
Doğru cevabı burada alıyoruz ve bu oldukça hızlı!
Başka bir olasılık pandas
:
>>> y = pd.Series(x)
>>> %time count = np.sum(y == 's')
>>> print("Count {} using pandas ==".format(count))
CPU times: user 453 µs, sys: 31 µs, total: 484 µs
Wall time: 463 µs
Count 2 using pandas ==
Yavaş ama doğru!
Ve son olarak, kullanacağım seçenek: numpy
diziyi object
türe dönüştürmek:
>>> x = np.array(['s', 'b', 's', 'b']).astype(object)
>>> %time count = np.sum(np.equal('s', x))
>>> print("Count {} using numpy equal".format(count))
CPU times: user 50 µs, sys: 1 µs, total: 51 µs
Wall time: 55.1 µs
Count 2 using numpy equal
Hızlı ve doğru!
thing
(ki bu bir uyuşukluk türü olabilir veya olmayabilir; bilmiyorum) vething == 'some string'
basit birbool
sonuç alıp almadığını görmek ve almak istersem, ne yapmalıyım?np.atleast_1d(thing)[0] == 'some string'
? Ancak bu'some string'
, bir dizinin ilk elemanını yerleştiren bir joker için sağlam değildir . Sanırım önce türünü test etmemthing
ve sonra==
testi yalnızca bir dizeyse (ya da uyuşmuş bir nesne değilse) yapmam gerekiyor.