信不信由你,在分析了我当前的代码之后,numpy 数组还原的重复操作占用了运行时间的一大块。我现在拥有的是常见的基于视图的方法:
reversed_arr = arr[::-1]
有没有其他方法可以更有效地做到这一点,或者这只是我痴迷于不切实际的 numpy 性能的一种错觉?
arr[::-1]
只是返回一个反向视图。它尽可能快,并且不依赖于数组中的项目数,因为它只是改变了步幅。你正在反转的实际上是一个 numpy 数组吗?
arr
是一个 numpy 数组。
f2py
是您的朋友!用另一种语言编写算法的性能关键部分(尤其是在科学计算中)并从 python 调用它通常是值得的。祝你好运!
arr[::-1]
: github.com/numpy/numpy/blob/master/numpy/lib/twodim_base.py 的包装器。搜索 def flipud
。该函数实际上是四行长。
创建 reversed_arr
时,您正在创建原始数组的视图。然后您可以更改原始数组,并且视图将更新以反映更改。
您重新创建视图的频率是否超出了您的需要?你应该能够做这样的事情:
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,但这似乎是在 numpy 中做事的最快方法。如果这是您已经在做的事情,我认为您无法改进。
PS 在这里对 numpy 视图进行了很好的讨论:
正如刚才提到的,
a[::-1]
实际上只创建一个视图,所以它是一个恒定时间的操作(因此随着数组的增长不需要更长的时间)。如果您需要数组是连续的(例如,因为您要使用它执行许多向量运算),ascontiguousarray
的速度大约与 flipud
/fliplr
一样快:
https://i.stack.imgur.com/QTJga.png
生成绘图的代码:
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)",
)
因为这似乎还没有被标记为已回答...... Thomas Arildsen 的回答应该是正确的:只需使用
np.flipud(your_array)
如果它是一维数组(列数组)。
随着矩阵做
fliplr(matrix)
如果要反转行,flipud(matrix)
如果要翻转列。无需将一维列数组设为二维行数组(具有一个 None 层的矩阵)然后翻转它。
我将扩展关于 np.fliplr()
的较早答案。这是一些代码,演示了构造一维数组,将其转换为二维数组,翻转它,然后转换回一维数组。 time.clock()
将用于保持时间,以秒为单位。
import time
import numpy as np
start = time.clock()
x = np.array(range(3))
#transform to 2d
x = np.atleast_2d(x)
#flip array
x = np.fliplr(x)
#take first (and only) element
x = x[0]
#print x
end = time.clock()
print end-start
未注释打印语句:
[2 1 0]
0.00203907123594
使用 print 语句注释掉:
5.59799927506e-05
所以,就效率而言,我认为这是体面的。对于那些喜欢在一行中完成的人,这里是那种形式。
np.fliplr(np.atleast_2d(np.array(range(3))))[0]
基于切片符号的类似 np.flip 将是 [::-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.]]
扩展其他人所说的内容,我将举一个简短的例子。
如果你有一个一维数组......
>>> import numpy as np
>>> x = np.arange(4) # array([0, 1, 2, 3])
>>> x[::-1] # returns a view
Out[1]:
array([3, 2, 1, 0])
但是,如果您正在使用 2D 数组...
>>> x = np.arange(10).reshape(2, 5)
>>> x
Out[2]:
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
>>> x[::-1] # returns a view:
Out[3]: array([[5, 6, 7, 8, 9],
[0, 1, 2, 3, 4]])
这实际上并没有反转矩阵。
应该使用 np.flip 来实际反转元素
>>> np.flip(x)
Out[4]: array([[9, 8, 7, 6, 5],
[4, 3, 2, 1, 0]])
如果要逐个打印矩阵的元素,请使用 flat 和 Flip
>>> for el in np.flip(x).flat:
>>> print(el, end = ' ')
9 8 7 6 5 4 3 2 1 0
为了让它使用负数和长列表,您可以执行以下操作:
b = numpy.flipud(numpy.array(a.split(),float))
Flipud 用于 1d arra 的位置
look_at
函数应该做什么?reversed_arr
在基础数据更改后仍然可用。将新值写入数组不会使视图无效。实际上,您也可以使用视图将新值写入数组。reversed_arr[0] = 99
将数组中的最后一个元素设置为 99,与arr[-1] = 99
相同。