Python 在numpy数组中有效地计数零元素？

我需要计算

numpy

数组中的零元素数。我知道这个函数，但似乎没有用于计算零元素的模拟

我的阵列不是很大（通常小于1E5个元素），但操作执行了数百万次

当然，我可以使用

len（arr）-np.count\u nonzero（arr）

，但我想知道是否有更有效的方法

以下是我目前是如何做到这一点的：

import numpy as np
import timeit

arrs = []
for _ in range(1000):
    arrs.append(np.random.randint(-5, 5, 10000))


def func1():
    for arr in arrs:
        zero_els = len(arr) - np.count_nonzero(arr)


print(timeit.timeit(func1, number=10))

---

2x更快的方法是仅使用，但根据需要使用条件

In [3]: arr
Out[3]: 
array([[1, 2, 0, 3],
      [3, 9, 0, 4]])

In [4]: np.count_nonzero(arr==0)
Out[4]: 2

In [5]:def func_cnt():
            for arr in arrs:
                zero_els = np.count_nonzero(arr==0)
                # here, it counts the frequency of zeroes actually

您也可以使用，但速度比

---

效率：（按降序排列）

---

更多带加速器的加速功能

如果您可以使用加速器（GPU/TPU），现在就可以通过帮助实现3个数量级以上的速度提升。使用JAX的另一个优点是，NumPy代码只需很少的修改即可使其与JAX兼容。下面是一个可复制的示例：

In [1]: import jax.numpy as jnp
In [2]: from jax import jit

# set up inputs
In [3]: arrs = []
In [4]: for _ in range(1000):
   ...:     arrs.append(np.random.randint(-5, 5, 10000))

# JIT'd function that performs the counting task
In [5]: @jit
   ...: def func_cnt():
   ...:     for arr in arrs:
   ...:         zero_els = jnp.count_nonzero(arr==0)

---

---

np.where

使用

np.count\u nonzero

（在编译级别）来确定它返回的数组的大小。将其放入函数调用中以进行公平比较。。。在这种情况下，OP的方法得到的是1ms而不是160us……我已经尝试过了，它的剃须速度只比

func1

所用时间的10%略快。新函数比我原来的函数快2倍。我想这是最好的了。非常感谢。在我的numpy版本为1.12.1且列表中有1000个阵列的计算机上，我得到func1:1000个循环，每个循环的最佳值为3:376µs，func_cnt:1000个循环，每个循环的最佳值为3:1.65 ms。所以我现在很困惑。

count\u nonzero

是一个非常基本的编译操作。无论您想知道零的数量还是非零的数量，您仍然必须遍历整个数组。让numpy在编译代码中这样做，不要担心效率。为什么你认为

len（arr）-np.count\u nonzero（arr）

是低效的？count\u nonzero和潜在count\u zero之间的差是一个减法。这与您将获得的效率差不多。@juanpa.arrivillaga

len（arr）

是通过函数调用进行的属性查找。纯属性查找

a.size

花费的时间减少了25%。@DYZ是的，无论如何都应该使用

a.size

，特别是因为

len（a）

将为多维数组给出错误的答案。但我不认为OP指的是。。。

In [8]: %timeit func_cnt()
10 loops, best of 3: 29.2 ms per loop

In [9]: %timeit func1()
10 loops, best of 3: 46.5 ms per loop

In [10]: %timeit func_where()
10 loops, best of 3: 61.2 ms per loop

In [1]: import jax.numpy as jnp
In [2]: from jax import jit

# set up inputs
In [3]: arrs = []
In [4]: for _ in range(1000):
   ...:     arrs.append(np.random.randint(-5, 5, 10000))

# JIT'd function that performs the counting task
In [5]: @jit
   ...: def func_cnt():
   ...:     for arr in arrs:
   ...:         zero_els = jnp.count_nonzero(arr==0)

# efficiency test
In [8]: %timeit func_cnt()
15.6 µs ± 391 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)