如何在NumPy中理解python列表？

假设我有一个值数组，

r

，范围从

0

到

1

。我想删除所有远离中值的阈值。让我们在这里假设阈值是

0.5

，并且

len（r）=3000

。然后为了掩盖这个范围之外的所有值，我可以做一个简单的列表理解，我喜欢：

mask=np.数组（[rinp.中值（r）+0.5表示r中的ri]）

如果我在上面使用计时器：

import time
import numpy as np

start = time.time()
r = np.random.random(3000)
m = np.median(r)
maxr,minr = m-0.5, m+0.5
mask = [ri<minr or ri>maxr for ri in r]
end = time.time()
print('Took %.4f seconds'%(end-start))

---

正如您所看到的，elementwise Or始终是最快的，几乎是两倍（不知道这将如何与数组元素进行缩放）。谁知道呢

您可以使用numpy条件选择创建新数组，而不使用这些值

start = time.time()
m = np.median(r)
maxr,minr = m-0.5, m+0.5
filtered_array = r[ (r < minr) | (r > maxr) ]
end = time.time()
print('Took %.4f seconds'%(end-start))

start=time.time（）
m=np.中值（r）
最大值，最小值=m-0.5，m+0.5
过滤的_数组=r[（rmaxr）]
end=time.time（）
打印（'花费%.4f秒'%（结束-开始））

filtered_array

是

r

的一部分，没有屏蔽值（所有稍后将被屏蔽删除的值都已在

filtered_array

中删除）

更新：使用@ayhan建议的较短语法。

一行

new_mask = abs(np.median(r) - r) > 0.5

---

[ri@ayhan是的，很抱歉，最小值和最大值也是失败的尝试
（r>maxr）|（r
相反。
用于元素或。我相信
和
np。逻辑或
使用相同的方法，因此差异应该来自其他方面
abs
可能需要更长的时间，你是对的。@ayhan不，它们不一样。它们只在布尔数组上工作。我在p上有相同的结果性能测试和你一样。但我相信这取决于硬件。这是最快的，谢谢。虽然你最初使用
np.logical\u或（）
的答案较慢。当需要发行版的尾部时非常有用。我喜欢清晰。
new_mask = abs(np.median(r) - r) > 0.5