在保留其顺序的同时访问大型 numpy 数组

Question

我想通过索引 idx 访问一个 numpy 数组 data，但仍保留 data 中的顺序。下面是一个示例，其中访问数组的顺序与原始数组中的顺序不同。

In [125]: data = np.array([2, 2.2, 2.5])

In [126]: idx=np.array([1,0])

In [127]: data[idx]
Out[127]: array([2.2, 2. ])

我希望得到[2,2.2]。有没有一种高效的方法来做到这一点？在我的问题设置中，我有超过一百万个浮点数的数据，而 idx 有 10 万个整数。

重要信息：数组data可以根据需要进行预处理。数据来自图像处理工作。例如，如果我们需要预先对 data 进行排序，那么在衡量性能时就不会考虑排序所消耗的时间。另一方面，idx 是我不想在运行时处理太多的东西，因为必须计算在它上面花费的时间。例如。 使用复杂度为 O(n log n) 的算法对 idx 进行排序可能过于昂贵。

Answer 1

是这样的吗？还是我没听懂？

data=np.array([2,2.2,2.5])
idx=np.array([1,0])
data[np.sort(idx)]

Answer 2

创建布尔值'mask'

 mask = np.zeros(data.shape, bool)
 mask[idx] = True
 res = data[mask]

在保留其顺序的同时访问大型 numpy 数组

Accessing a large numpy array while preserving its order

performance

numpy

arrayaccess