Python 提取比numpy中的花式索引慢？

Ndarray

有一个成员函数

extract

，用于提取满足某些条件的数组元素。但是，此函数比花式索引慢。我们为什么要使用这个函数

from numpy import *
a=random.random((1000,2000))
b=a>0.2
%timeit extract(b,a)
%timeit a[b]
%timeit extract(a>0.2,a)
%timeit a[a>0.2]

以下是我的产出：

In [138]: %timeit extract(b,a)
10 loops, best of 3: 29.6 ms per loop

In [139]: %timeit a[b]
100 loops, best of 3: 18.5 ms per loop

In [140]: %timeit extract(a>0.2,a)
10 loops, best of 3: 31.4 ms per loop

In [141]: %timeit a[a>0.2]
10 loops, best of 3: 19.7 ms per loop

---

如果我们检查

np.extract

，我们会发现：

take(a.ravel(), nonzero(ravel(b))[0])

这里有趣的是，我们取

b

这是一个布尔数组，并将其转换为索引，以便正常的

np.take

操作可以像广告中那样工作。如果我们检查这需要多长时间，我们就会意识到

非零

占总时间的大部分，而奇特的索引所需时间少于

非零

：

%timeit nonzero(ravel(b))[0]
100 loops, best of 3: 13.1 ms per loop

%timeit take(a.ravel(), nonzero(ravel(b))[0])
100 loops, best of 3: 18.7 ms per loop

%timeit a[b]
100 loops, best of 3: 12.9 ms per loop

---

解释说，即使是花哨的索引也会使用某种

非零

类操作创建索引数组；然而，奇特的索引并不涉及python抽象层。我相信python抽象层是这里的关键。我不想猜测到底发生了什么，但我希望当函数完全在C端时会发生大量优化（就像所有花哨的索引一样）。

您使用哪个numpy版本？numpy 1.8 extract文档说：“如果

条件

是布尔的

np。extract

相当于

arr[condition]

”@Jan PhilipGehrcke在

np.take

和花式索引之间存在长期的时间差异，即使这两种操作是等效的-由于各种原因，时间变化并非不可能<代码>提取也基于“获取”。@Jan PhilipGehrcke我的numpy版本是1.8.0。所以我们说这些差异是无关紧要的，是因为测量不准确？或者换句话说：这不是正确的基准？@Jan PhilipGehrcke根据文档

extract

相当于

np.compress（ravel（condition），ravel（arr））

，它们花费了相同的时间。啊，这些文档在大多数索引方面都过时了。当形状完全匹配时，有一个专门的布尔索引路径。提取可能会被重写以使用它（尽管对于非布尔数组，非零逻辑可能更好）。@seberg很高兴知道，你介意指出源代码中奇特索引的位置吗？最近得到了所有不同的结果（不是布尔情况）。高级索引从这里开始简单的布尔型索引在前面处理过（非零也调用非简单型，它在prepare_index函数中）。了解花式索引是如何工作的不是在公园里散步，但是如果你需要帮助，请随时问我。