Python中二维数组的对数

Question

我有一个名为矩阵的二维数组。那里的每个矩阵都有维度1000 x 1000并且由正值组成。现在我想获取所有矩阵中所有值的对数（0 除外）。

我如何在 python 中轻松做到这一点？

我有以下代码可以满足我的要求，但是了解 Python 可以更简短：

newMatrices = []

for matrix in matrices:

    newMaxtrix = []

    for row in matrix:

        newRow = []

        for value in row:

            if value > 0:

                newRow.append(np.log(value))

            else:

                newRow.append(value)

        newMaxtrix.append(newRow)

    newMatrices.append(newMaxtrix)

Answer 1

您可以将其转换为 numpy 数组并用于numpy.log计算值。对于 0 值，结果将为-Inf。之后，您可以将其转换回列表并将其替换为-Inf0或者你可以where在 numpy 中使用例子：res = where(arr!= 0, log2(arr), 0)它将忽略所有零元素。

Answer 2

虽然@Amadan 的答案肯定是正确的（而且更短/更优雅），但在您的情况下它可能不是最有效的（当然，这取决于输入），因为np.where()将为每个匹配值生成一个整数索引。更有效的方法是生成布尔掩码。这有两个优点：(1) 通常内存效率更高 (2)[]运算符在掩码上通常比在整数列表上更快。为了说明这一点，我np.where()在玩具输入（但具有正确的大小）上重新实现了基于 -based 和基于掩码的解决方案。我还包含了一个np.log.at()基于 - 的解决方案，它也非常低效。import numpy as npdef log_matrices_where(matrices):    return [np.where(matrix > 0, np.log(matrix), 0) for matrix in matrices]def log_matrices_mask(matrices):    arr = np.array(matrices, dtype=float)    mask = arr > 0    arr[mask] = np.log(arr[mask])    arr[~mask] = 0  # if the values are always positive this is not needed    return [x for x in arr]def log_matrices_at(matrices):    arr = np.array(matrices, dtype=float)    np.log.at(arr, arr > 0)    arr[~(arr > 0)] = 0  # if the values are always positive this is not needed    return [x for x in arr]N = 1000matrices = [    np.arange((N * N)).reshape((N, N)) - N    for _ in range(2)]（一些健全性检查以确保我们在做同样的事情）# check that the result is the sameprint(all(np.all(np.isclose(x, y)) for x, y in zip(log_matrices_where(matrices), log_matrices_mask(matrices))))# Trueprint(all(np.all(np.isclose(x, y)) for x, y in zip(log_matrices_where(matrices), log_matrices_at(matrices))))# True以及我机器上的时间：%timeit log_matrices_where(matrices)# 33.8 ms ± 1.13 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)%timeit log_matrices_mask(matrices)# 11.9 ms ± 97 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)%timeit log_matrices_at(matrices)# 153 ms ± 831 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)编辑：另外包括np.log.at()解决方案和关于将log未定义的值归零的注释

Answer 3

另一种选择使用numpy：arr = np.ndarray((1000,1000))np.log.at(arr, np.nonzero(arr))