信不信由你,在对我的代码进行性能分析后,numpy数组翻转的重复操作占据了大量运行时间。我现在采用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,还是这只是我对不切实际的numpy性能的执着的幻觉?
reversed_arr = arr[::-1]
返回一个翻转的 视图,反映原始数组 arr
的情况。对原始数组 arr
的任何更改也将立即在 reversed_arr
中可见。对于 arr
和 reversed_arr
的基础数据缓冲区是共享的,因此创建此视图始终是即时的,并且不需要为数组内容进行任何额外的内存分配或复制。
另请参见 NumPy 视图的讨论:如何创建 NumPy 数组的视图?
您是否比需要更频繁地重新创建视图?您应该能够执行类似以下的操作:
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中执行任务的最快方法。如果您已经在这样做,我认为您无法改进它。
look_at
函数应该做什么? - mrgloomreversed_arr [0] = 99
将把数组中的最后一个元素设置为99,与arr [-1] = 99
相同。 - stevehalombscargle
函数在一些之前的版本(但在我的情况下是1.8.1)中失败。例如,pgram = signal.lombscargle(x[::-1], y, w)
会出现错误:TypeError: Invalid call to pythranized function \
_lombscargle(float64[:] (is a view), float64[:], float64[:])'`。这是一个应该在更新的版本中解决的错误:Github问题。 - Lu Kasa[::-1]
只创建一个视图,因此它是常数时间操作(因此随着数组的增长不会变慢)。如果您需要数组连续(例如,因为正在执行许多向量操作),ascontiguousarray
与 flipud
/fliplr
的速度大致相同:
生成该图的代码:
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)",
)
因为似乎这个问题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)。fliplr(matrix)
如果你想翻转行,使用flipud(matrix)
;如果你想翻转列,则不需要将1维列数组变成2维行数组(即带有一个None层的矩阵),然后再进行翻转。
我将对之前关于np.fliplr()
的回答进行扩展。下面是一些代码,演示了如何构建一个1D数组,将其转换为2D数组,翻转它,然后再转换成1D数组。time.clock()
将被用来计时,并以秒为单位呈现。
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
取消注释后的打印语句:
[2 1 0]
0.00203907123594
注释掉print语句后:
5.59799927506e-05
就效率而言,我认为这还不错。对于那些喜欢一行代码的人,这是它的形式。
np.fliplr(np.atleast_2d(np.array(range(3))))[0]
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.]]
在其他人所说的基础上,我会给出一个简短的例子。
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])
>>> 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]])
这并没有真正地翻转矩阵。
应该使用 np.flip 来实际翻转元素。
>>> np.flip(x)
Out[4]: array([[9, 8, 7, 6, 5],
[4, 3, 2, 1, 0]])
>>> for el in np.flip(x).flat:
>>> print(el, end = ' ')
9 8 7 6 5 4 3 2 1 0
b = numpy.flipud(numpy.array(a.split(),float))
flipud 用于一维数组
arr[::-1]
返回一个反转的视图,速度非常快,且不依赖于数组中的元素数量,因为它只是更改步幅。你要反转的是否真的是一个NumPy数组? - Joe Kingtonarr[::-1]
的封装,所以速度较慢:https://github.com/numpy/numpy/blob/master/numpy/lib/twodim_base.py. 搜索def flipud
。这个函数实际上只有四行代码。 - Mad Physicist