python - 有没有比 np.diff 更快的替代品？

Question

我关心以下函数的速度:

def cch(tau):
    return np.sum(abs(-1*np.diff(cartprod)-tau)<0.001)

其中 "cartprod" 是一个列表变量，如下所示:

cartprod = np.ndarray([[0.0123,0.0123],[0.0123,0.0459],...])

这个列表的长度大约是 2500 万。基本上，我试图找到一种显着更快的方法来返回 np.ndarray 中每对列表的差异列表。是否有比 np.diff 更快的算法或函数？或者，np.diff 是不是一切都结束了？我也对其他任何事情持开放态度。

编辑:谢谢大家的解决方案!

Answer 1

我认为您通过重复返回多个长度约为 2500 万的 np.arrays 而不是 np.diff 很慢来撞墙。我写了一个等效的函数，它遍历数组并计算结果。该功能需要与 numba 一起运行才能更快。我希望这是可以接受的。

arr = np.random.rand(25000000, 2)

def cch(tau, cartprod):
    return np.sum(abs(-1*np.diff(cartprod)-tau)<0.001)
%timeit cch(0.01, arr)

@jit(nopython=True)
def cch_jit(tau, cartprod):
    count = 0
    tau = -tau
    for i in range(cartprod.shape[0]):
        count += np.less(np.abs(tau - (cartprod[i, 1]- cartprod[i, 0])), 0.001)
    return count
%timeit cch_jit(0.01, arr)

产生

294 ms ± 2.82 ms 
42.7 ms ± 483 µs 

大约快 6 倍。