Python I'；我用的是；np.计数非零（myarray）>；“小价值”；在一堆numpy数组上。我可以中途停止计数吗；“小价值”；到达了吗？

我检查的数组是布尔型的。在本例中，np.count_为nonzero（）。我仍然想知道是否有一种方法可以使它更快，可能是通过同时对计数进行“大于”检查

下面是一个玩具示例，我使用一个大数组而不是大量的小数组来计时我的方法（我猜我使用“timeit”的方式，平均超过100次试验是很愚蠢的，但不管怎样），然后在一个较小的数组上做同样的事情，以证明它“应该”快得多：

大型阵列的平均时间：0.0111809413765

小阵列平均时间：9.83558325865e-07

count_nonzero（）可能通过遍历整个数组并在运行时累积值来工作，对吗？如果有一种方法可以在达到“smallvalue”时立即停止，不是更快吗？某种“短路”

编辑：

@user2357112在阅读了您的建议后，我尝试了一个numba解决方案，它确实比count_nonzero（HugarRay）>smallvalue稍快一些！非常感谢。以下是我的解决方案：

@numba.jit（numba.boolean（numba.boolean[：]，numba.int64））
def jitcountgreaterthan（HugarRay，smallvalue）：
a=numba.int64（0）
因为我在Hugarray：
a+=i
如果a==smallvalue：
打破
返回a==smallvalue

---

我做了这个奇怪的“break，THEN return”，因为numba显然不支持for循环中的return语句，但实际上它似乎对任何事情都没有影响。

你可能需要numba或Cython来实现这一点。Compiled

numpy

code不提供这个选项。我的猜测是，自定义函数必须尽早中断才能更快地工作（平均而言）。您可能会发现关于查找第一个

nan

的讨论很有启发性：

from timeit import time
import numpy as np
hugeflatarray=np.ones(100000000, dtype=bool)
smallflatarray=np.ones(10, dtype=bool)
smallvalue=1

mytimes=[]
for i in range(100):
    t1=time.clock()
    np.count_nonzero(hugeflatarray)>smallvalue
    t2=time.clock()
    mytimes.append(t2-t1)
print("average time for huge array:"+str(np.mean(mytimes)))

mytimes=[]
for i in range(100):
    t1=time.clock()
    np.count_nonzero(smallflatarray)>smallvalue
    t2=time.clock()
    mytimes.append(t2-t1)
print("average time for small array:"+str(np.mean(mytimes)))