Каков самый быстрый способ выборки массивов numpy?

У меня есть массив 3D (время, X, Y), содержащий 6 часовых временных рядов в течение нескольких лет. (скажем, 5). Я хотел бы создать выборочный временной ряд, содержащий 1 экземпляр каждого календарного дня, случайным образом взятый из доступных записей (5 возможностей в день), следующим образом.

Январь 01: 2006
Январь 02: 2011
03 января 2009
…

это означает, что мне нужно принять 4 значения с 01/01/2006, 4 значения от 02/01/2011 и т. д. У меня есть рабочая версия, которая работает следующим образом:

Измените входной массив, чтобы добавить измерение «год» (время, год, X, Y)
Создайте массив значений 365 из произвольно генерируемых целых чисел от 0 до 4
Используйте np.repeat и массив целых чисел, чтобы извлечь только соответствующие значения:

Пример:

sampledValues = Variable[np.arange(numberOfDays * ValuesPerDays), sampledYears.repeat(ValuesPerDays),:,:]

Кажется, это работает, но мне было интересно, если это лучший / самый быстрый способ решить мою проблему? Скорость важна, поскольку я делаю это в цикле, и выиграл бы от тестирования как можно большего числа случаев.

Правильно ли я это делаю?

благодаря

EDIT Я забыл упомянуть, что я отфильтровал входной набор данных, чтобы удалить 29-й feb для високосных лет.

В основном цель этой операции – найти 365-дневный образец, который хорошо соответствует долгосрочным временным рядам в терминах среднего значения и т. Д. Если выборка временных рядов проходит мой тест качества, я хочу экспортировать его и начать заново.

2 Solutions collect form web for “Каков самый быстрый способ выборки массивов numpy?”

2008 год составлял 366 дней, поэтому не переделывать.

Посмотрите на scikits.timeseries :

 import scikits.timeseries as ts start_date = ts.Date('H', '2006-01-01 00:00') end_date = ts.Date('H', '2010-12-31 18:00') arr3d = ... # your 3D array [time, X, Y] dates = ts.date_array(start_date=start_date, end_date=end_date, freq='H')[::6] t = ts.time_series(arr3d, dates=dates) # just make sure arr3d.shape[0] == len(dates) !

Теперь вы можете получить доступ к данным t с помощью объектов день / месяц / год:

 t[np.logical_and(t.day == 1, t.month == 1)]

так например:

 for day_of_year in xrange(1, 366): year = np.random.randint(2006, 2011) t[np.logical_and(t.day_of_year == day_of_year, t.year == year)] # returns a [4, X, Y] array with data from that day

Играйте с атрибутами t чтобы он работал с високосными годами.

Я не вижу реальной необходимости изменять размер массива, поскольку вы можете вставлять информацию о размере года в процесс выборки и оставлять массив с его исходной формой.

Например, вы можете сгенерировать случайное смещение (от 0 до 365) и выбрать срез с индексом, скажем, n*365 + offset .

Во всяком случае, я не думаю, что ваш вопрос завершен, потому что я не совсем понял, что вам нужно делать, или почему.