Python 数组的最长前缀等于一个值

我有表示序列分段的字符串的NumPy数组

B

是感兴趣的段的开始，

I

它的延续，

O

在任何段之外。例如，在以下数组中，有三个感兴趣的段：

>>> y
array(['B', 'I', 'I', 'O', 'B', 'I', 'O', 'O', 'B', 'O'], 
      dtype='|S1')

我可以很容易地找到以

np开头的片段。其中（y==“B”）[0]

。但现在我还试图找到段的长度，即最长前缀的长度等于

I

。我可以使用

itertools执行此操作。takewhile

：

>>> from itertools import takewhile
>>> lengths = [1 + sum(1 for _ in takewhile(lambda x: x == "I", y[start + 1:]))
...            for start in np.where(y == "B")[0]]
>>> lengths
[3, 2, 1]

---

老实说，这很好，但是有没有一种矢量化的方法来实现这一点？

搜索排序可以帮助您：

>>> y
array(['B', 'I', 'I', 'O', 'B', 'I', 'O', 'O', 'B', 'O'],
      dtype='|S1')
>>> start=np.where(y=='B')[0]
>>> end=np.where(y=='O')[0]

>>> end[np.searchsorted(end,start)]-start
array([3, 2, 1])

另一种方法：

>>> mask=np.concatenate(([True],(np.diff(end)!=1)))
>>> mask
array([ True,  True, False,  True], dtype=bool)
>>> end[mask]-start
array([3, 2, 1])

---

段以A

'B'

开头：

starts = np.where(y == 'B')[0]

当

'B'

或

'I'

后面跟有

'I'

以外的内容时，段结束，或在序列的末尾：

ends = np.where(((y == 'B') | (y == 'I')) & np.r_[y[1:] != 'I', len(y)])[0]

这将给出段长度：

(ends - starts) + 1
array([3, 2, 1])

---

编辑：这里有一个更简单的方法：在末尾插入一个虚构的

B

，然后取（真实的或虚构的）

B

s的位置差，不包括

O

s：

np.diff(np.where(np.r_[y[y != 'O'], ['B']] == 'B')[0])
array([3, 2, 1])

---

出于好奇，有没有列出所有numpy方法在某个地方的规模。大多数只是线性时间，但搜索和排序显然不能。