信不信由你,在分析了我当前的代码后,numpy数组还原的重复操作消耗了大量的运行时间。我现在拥有的是常见的基于视图的方法:
reversed_arr = arr[::-1]
有没有其他更有效的方法,或者这只是我痴迷于不切实际的numpy性能的幻觉?
信不信由你,在分析了我当前的代码后,numpy数组还原的重复操作消耗了大量的运行时间。我现在拥有的是常见的基于视图的方法:
reversed_arr = arr[::-1]
有没有其他更有效的方法,或者这只是我痴迷于不切实际的numpy性能的幻觉?
当前回答
Np.fliplr()将数组从左向右翻转。
注意,对于1d数组,你需要一点技巧:
arr1d = np.array(some_sequence)
reversed_arr = np.fliplr([arr1d])[0]
其他回答
reversed_arr = arr[::-1]
给出原始数组arr的反向视图。对原始数组arr所做的任何更改也将立即在reversed_arr中可见。arr和reversed_arr的底层数据缓冲区是共享的,因此创建这个视图总是即时的,不需要为数组内容分配任何额外的内存或复制。
另请参阅关于NumPy视图的讨论:如何在NumPy数组上创建视图?
关于视图的性能问题的可能解决方案
您是否比实际需要更频繁地重新创建视图?你应该可以这样做:
arr = np.array(some_sequence)
reversed_arr = arr[::-1]
do_something(arr)
look_at(reversed_arr)
do_something_else(arr)
look_at(reversed_arr)
我不是numpy专家,但这似乎是用numpy做事情的最快方法。如果这是你已经在做的事情,我认为你无法改进。
片表示法是对np的模拟。翻转是[::-1,::-1]
a = np.array([[1., 2.], [3., 4.], [5, 6]])
print(a)
out: [[1. 2.]
[3. 4.]
[5. 6.]]
b=a[::-1,::-1]
print(b)
out: [[1. 2.]
[3. 4.]
[5. 6.]]
a[::-1]
只创建一个视图,因此它是一个常量时间操作(因此随着数组的增长不会花费更长的时间)。如果你需要数组是连续的(例如,因为你要对它执行许多向量操作),ascontinuousarray大约和flipud/fliplr一样快:
代码生成的情节:
import numpy
import perfplot
perfplot.show(
setup=lambda n: numpy.random.randint(0, 1000, n),
kernels=[
lambda a: a[::-1],
lambda a: numpy.ascontiguousarray(a[::-1]),
lambda a: numpy.fliplr([a])[0],
],
labels=["a[::-1]", "ascontiguousarray(a[::-1])", "fliplr"],
n_range=[2 ** k for k in range(25)],
xlabel="len(a)",
)
Np.fliplr()将数组从左向右翻转。
注意,对于1d数组,你需要一点技巧:
arr1d = np.array(some_sequence)
reversed_arr = np.fliplr([arr1d])[0]
为了让它处理负数和一个很长的列表,你可以做以下事情:
b = numpy.flipud(numpy.array(a.split(),float))
1d arra的flipud在哪里