熊猫：计算第一个连续的True值

熊猫：计算第一个连续的True值 题：

查找第一个连续

True

s的计数
考虑

a

a = np.array([True, True, True, False, True, False, True, True, True, True])

答案1

numpy

：用于

np.logical_and.accumulate

的取反，

a

取之于

False

否，则制成一个遮罩，以消除第一个s的存在（如果它们应该存在）。然后

False

在末尾附加a
，以确保我们没有

True

min。最后，使用

np.argmin

查找第一个最小值。如果找到一个position

3

，它将

3

True

在其之前指示值。

np.argmin(np.append(a[~np.logical_and.accumulate(~a)], False))3

---

答案2

numba.njit

我想使用它，

numba

这样我就可以循环并确保在需要时可以短路。这个问题肯定会在阵列的早期得到解决。无需无故评估整个阵列中的事物。

from numba import njit@njitdef first_true(a):    true_started = False    c = 0    for i, j in enumerate(a):        if true_started and not j: return c        else: c += j true_started = true_started or j    return cfirst_true(a)3

---

答案3

numpy

更聪明的使用

argmin

和

argmax

。我围绕

a

着

False

然后

argmax

用来找到第一个，

True

然后从那一点开始，

argmin

用来找到之后的第一个

False

。
注意：
@Divakar在此答案上做了改进，消除了对

np.concatenate

和的使用

if/then/else

。这就把这个已经非常快的解决方案削减了

3

！

def first_true2(a):    a = np.concatenate([[False], a, [False]])    return np.argmin(a[np.argmax(a):])first_true2(a)3

---

这些答案有多快？
有关其他定时功能的源代码，请参见@Divakar的答案。

%timeit first_true(a)%timeit np.argmin(np.append(a[~np.logical_and.accumulate(~a)], False))%timeit np.diff(np.flatnonzero(np.diff(np.r_[0,a,0])))[0]%timeit first_True_island_len(a)%timeit first_true2(a)%timeit first_True_island_len_IFELSE(a)a = np.array([True, True, True, False, True, False, True, True, True, True])    1000000 loops, best of 3: 353 ns per loop100000 loops, best of 3: 8.32 µs per loop10000 loops, best of 3: 27.4 µs per loop100000 loops, best of 3: 5.48 µs per loop100000 loops, best of 3: 5.38 µs per loop1000000 loops, best of 3: 1.35 µs per loopa = np.array([False] * 100000 + [True] * 10000)10000 loops, best of 3: 112 µs per loop10000 loops, best of 3: 127 µs per loop1000 loops, best of 3: 513 µs per loop10000 loops, best of 3: 110 µs per loop100000 loops, best of 3: 13.9 µs per loop100000 loops, best of 3: 4.55 µs per loopa = np.array([False] * 100000 + [True])10000 loops, best of 3: 102 µs per loop10000 loops, best of 3: 115 µs per loop1000 loops, best of 3: 472 µs per loop10000 loops, best of 3: 108 µs per loop100000 loops, best of 3: 14 µs per loop100000 loops, best of 3: 4.45 µs per loop