如何找到一系列损失的数量

Question

我有一个数组，例如 [0, 0, 0, 1, 2, -1, -2, 5, 8, 4, 5.5]，想要查找某个元素小于前一个元素的次数（忽略开头的 0 代表缺失数据）；在这个例子中，答案是 3（对于 -1、-2 和 4），我必须将其除以有效数字的数量（例如 8）。预期结果是 3/8 = 0.375。

我写了一条指令，想知道是否有更有效的方法来获得它，因为我必须运行它数百万次。

我目前的指示（我不是专家）：

v = np.array([0, 0, 0, 1, 2, -1, -2, 5, 8, 4, 5.5])
print(np.sum((v < np.roll(v,1))[1:]) / np.sum(v != 0)) # loss frequency

有什么线索吗？

注意：只要有第一个有效数字（即不同于 0），后面的所有数字（包括 0）都有效。

Answer 1

这是一种方法：

• 使用

  np.argmax

  获取第一个非零值 (

  v != 0

  ) 的索引并从那里进行切片。
• 应用

  np.diff

  ，检查是否有小于 0 (

  < 0

  ) 的值，然后应用

  np.sum

  对

  True

  (1) 值求和。
• 最后将总和除以切片的长度。

import numpy as np

v = np.array([0, 0, 0, 1, 2, -1, -2, 5, 8, 4, 5.5])

v_slice = v[np.argmax(v != 0):]

result = np.sum(np.diff(v_slice) < 0) / len(v_slice)

result
# 0.375