ndarray の要素を使った効率的なスライス方法はないか

Question

前提・実現したいこと

スライス位置が格納されたndarrayを使って、別のndarrayに複数のスライス操作を適用したい

発生している問題・エラーメッセージ

for 文で実装できることは理解してますが、効率的ではないと考えています。
より効率的な手法がないものかと思い、質問してみました。
ndarray だけで完結されられれば、早くなりそうだなあ。

該当のソースコード

# start, end のスライス位置 (M*Nのndarrayが2つ)
start_pos = np.random.randint(0, 20, (4, 4))
offset = np.random.randint(1, 20, (4, 4))
end_pos = start_pos + offset

# スライスを適用する対象
sample_data = np.random.rand(50)

# 演算結果格納先 (M*Nのndarrayで出力)
dst_array = np.empty_like(start_pos, np.float)

for i in range(start_pos.shape[0]):
    for j in range(start_pos.shape[1]):
        # スライス位置
        s = start_pos[i,j]
        e = end_pos[i,j]
        # 指定のスライス位置に何らかの処理
        temp = np.max(sample_data[s:e])
        dst_array[i,j] = temp

試したこと

上記のとおり、for文で実装できることは確認済みです。

補足情報（FW/ツールのバージョンなど）

Python 3.x
numpy など
ライブラリに縛りはありません

Comments

[ppaul]

start_pos_arrayとend_pos_arrayはshape[0]しか使っていませんが、求めたいものは、それで合っていますか？

[fpfpfp]

コメントありがとうございます。ご指摘のように、意図したものではありません。

ソースコードを全体的に修正し、実情に則したものに更新いたしました。

[ppaul]

numpyはBLAS(Basic Linear Algebra Subprograms)を呼ぶとSIMD命令を使って高速化できるのですが、こういうパターンだとBLAS呼び出しにはならないので、性能は期待できないでしょう。

[fpfpfp]

高速化は難しいパターンなんですね。。
例のような計算をしないですむ方法ないか、検討してみます。
それで、思いつかなければ、効率的は諦めることにします。

Answer 1

以下でよさそうです。

• axis=2に[start,end]を持つ配列を作成。
• apply_along_axisでaxis=2方向に処理すべき関数を適用。

import numpy as np

np.random.seed(110)
start_pos = np.random.randint(0, 20, (4, 4))
offset = np.random.randint(1, 20, (4, 4))
end_pos = start_pos + offset

# [start,end]の組を持つ配列を作成
idx = np.dstack([start_pos, end_pos])

# スライスを適用する対象
sample_data = np.random.rand(50)

# 演算結果格納先 (M*Nのndarrayで出力)
dst_array = np.empty_like(start_pos, np.float)

# 何らかの処理
def func( rng):
    return np.max(sample_data[rng[0]:rng[1]])

ret = np.apply_along_axis(func, 2, idx)
print(ret)
#[[0.99134945 0.99134945 0.90551963 0.90551963]
# [0.99134945 0.72099866 0.90551963 0.99134945]
# [0.99134945 0.98259712 0.98259712 0.99134945]
# [0.95004879 0.76691307 0.99134945 0.90551963]]

Comments

[fpfpfp]

回答ありがとうございます。
apply_along_axis を使うと、記述がシンプルにできることがわかりました。
ただし、速度は期待できないようですね。

[8524ba23]

試してませんがおそらくそうですね。多重ループよりは多少はマシ程度でしょうか。