Numpy Convert String Rappresentanza della matrice booleana per array booleano

Question

Esiste un modo nativo NumPy per convertire una serie di rappresentazioni di stringa di booleani ad esempio:

['True','False','True','False'] 

Per una matrice reale booleano posso usare per il mascheramento/indicizzazione? Potrei fare un ciclo for attraverso e ricostruire l'array ma per array di grandi dimensioni questo è lento.

Answer 1

Si dovrebbe essere in grado di fare un confronto booleano, IIUC, se il dtype è una stringa o object:

>>> a = np.array(['True', 'False', 'True', 'False']) 
>>> a 
array(['True', 'False', 'True', 'False'], 
     dtype='|S5') 
>>> a == "True" 
array([ True, False, True, False], dtype=bool) 

o

>>> a = np.array(['True', 'False', 'True', 'False'], dtype=object) 
>>> a 
array(['True', 'False', 'True', 'False'], dtype=object) 
>>> a == "True" 
array([ True, False, True, False], dtype=bool) 

Answer 2

È abbastanza buono?

my_list = ['True', 'False', 'True', 'False'] 
np.array(x == 'True' for x in my_list) 

non è nativo, ma se si sta iniziando con un elenco non nativo in ogni caso, in realtà non dovrebbe importare.

Answer 3

Ho trovato un metodo che è anche più veloce di DSM, prendendo ispirazione da Eric, anche se il miglioramento si vede meglio con elenchi di valori più piccoli; a valori molto grandi, il costo dell'iterazione stessa supera il vantaggio dell'esecuzione del test di verità durante la creazione dell'array numpy piuttosto che dopo. Test con entrambi is e == (per le situazioni in cui le stringhe sono internate rispetto a quando potrebbero non esserlo, come is non funzionerebbe con stringhe non internate. Come 'True' probabilmente sarà un letterale nello script che dovrebbe essere internato, sebbene) ha dimostrato che mentre la mia versione con == era più lenta rispetto a is, era ancora molto più veloce della versione di DSM. configurazione

prova:

import timeit 
def timer(statement, count): 
    return timeit.repeat(statement, "from random import choice;import numpy as np;x = [choice(['True', 'False']) for i in range(%i)]" % count) 

>>> stateIs = "y = np.fromiter((e is 'True' for e in x), bool)" 
>>> stateEq = "y = np.fromiter((e == 'True' for e in x), bool)" 
>>> stateDSM = "y = np.array(x) == 'True'" 

Con 1000 voci, le dichiarazioni più veloci prendere circa il 66% del tempo del DSM di:

>>> timer(stateIs, 1000) 
[101.77722641656146, 100.74985342340369, 101.47228618107965] 
>>> timer(stateEq, 1000) 
[112.26464996250706, 112.50754567379681, 112.76057346127709] 
>>> timer(stateDSM, 1000) 
[155.67689949529995, 155.96820504501557, 158.32394669279802] 

Per gli array di stringhe più piccoli (nell'ordine delle centinaia piuttosto che migliaia), il tempo trascorso è inferiore al 50% del DSM di:

>>> timer(stateIs, 100) 
[11.947757485669172, 11.927990253608186, 12.057855628259858] 
>>> timer(stateEq, 100) 
[13.064947253943501, 13.161545451986967, 13.30599035623618] 
>>> timer(stateDSM, 100) 
[31.270060799078237, 30.941749748808434, 31.253922641324607] 

Un po 'oltre il 25% del DSM di quando fatto con 50 articoli per lista:

>>> timer(stateIs, 50) 
[6.856538342483873, 6.741083326021908, 6.708402786859551] 
>>> timer(stateEq, 50) 
[7.346079345032194, 7.312723444475523, 7.309259899921017] 
>>> timer(stateDSM, 50) 
[24.154247576229864, 24.173593700599667, 23.946403452288905] 

Per 5 voci, circa l'11% del DSM di:

>>> timer(stateIs, 5) 
[1.8826215278058953, 1.850232652068371, 1.8559381315990322] 
>>> timer(stateEq, 5) 
[1.9252821868467436, 1.894011299061276, 1.894306935199893] 
>>> timer(stateDSM, 5) 
[18.060974208809057, 17.916322392367874, 17.8379771602049]