Оптимизированный метод для отображения содержимого столбца в двумерном массиве

Question

У меня есть двумерный массив, содержащий целые числа от 0 до 100. Для определенного столбца я хочу отобразить значения следующим образом:

0-4 mapped to 0
5-9 mapped to 5
10-14 mapped to 10, and so on.

Это мой код:

import numpy as np
@profile
def map_column(arr,col,incr):
    col_data = arr[:,col]
    vec = np.arange(0,100,incr)
    for i in range(col_data.shape[0]):
        for j in range(len(vec)-1):
            if (col_data[i]>=vec[j] and col_data[i]<vec[j+1]):
                col_data[i] = vec[j]
        if (col_data[i]>vec[-1]):
            col_data[i] = vec[-1]
    return col_data

np.random.seed(1)
myarr = np.random.randint(100,size=(80000,4))
x = map_column(myarr,2,5)

Этот код занимает 8,3 секунды для запуска.Ниже приведен результат запуска line_profiler для этого кода.

Timer unit: 1e-06 s
Total time: 8.32155 s
File: testcode2.py
Function: map_column at line 2
Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
     2                                           @profile
     3                                           def map_column(arr,col,incr):
     4         1         17.0     17.0      0.0      col_data = arr[:,col]
     5         1         34.0     34.0      0.0      vec = np.arange(0,100,incr)
     6     80001     139232.0      1.7      1.7      for i in range(col_data.shape[0]):
     7   1600000    2778636.0      1.7     33.4          for j in range(len(vec)-1):
     8   1520000    4965687.0      3.3     59.7              if (col_data[i]>=vec[j] and col_data[i]<vec[j+1]):
     9     76062     207492.0      2.7      2.5                  col_data[i] = vec[j]
    10     80000     221693.0      2.8      2.7          if (col_data[i]>vec[-1]):
    11      3156       8761.0      2.8      0.1              col_data[i] = vec[-1]
    12         1          2.0      2.0      0.0      return col_data

В будущем мне придется работать с реальными данными, намного большими, чем эта.Кто-нибудь может предложить более быстрый способ сделать это?

Answer 1

Я думаю, что это можно решить с помощью арифметического выражения, если я правильно понимаю вопрос:

def map_column(arr,col,incr):
    col_data = arr[:,col]
    return (col_data//incr)*incr

должно сработать.Здесь происходит то, что из-за целочисленного деления остаток отбрасывается.Таким образом, умножив снова на приращение, вы получите следующее меньшее число, которое делится на приращение.