精简版
给定一个内置的四元数数据类型,如何将四元数的 numpy 数组视为具有大小为 4 的额外维度的 numpy 浮点数数组(不复制内存)?
长版
Numpy 内置了对浮点数和复杂浮点数的支持。我需要使用 quaternions——它概括了复数,但不是有两个组件,而是有四个。已经有 a very nice package 使用 C API 将四元数直接合并到 numpy 中,它似乎可以非常快地完成所有操作。还有一些 I need to add to it 的四元数函数,但我想我主要可以处理这些。
但是,我还希望能够在我需要使用很棒的 numba
包编写的其他函数中使用这些四元数。不幸的是,numba 目前无法处理自定义类型。但是我不需要那些 numba-ed 函数中的花哨的四元数函数;我只需要数字本身。因此,我希望能够将四元数数组重新转换为具有一个额外维度(大小为 4)的浮点数数组。特别是,我想只使用数组中已有的数据而不进行复制,并将其视为一个新数组。我找到了 PyArray_View 函数,但我不知道如何实现它。
(我非常有信心将数据连续保存在内存中,我认为这是对它们的简单 View 所必需的。具体来说, elsize = 8*4
and alignment = 8
in the quaternion package 。)
最佳答案
事实证明这很容易。 numpy 的魔力意味着它已经成为可能。在考虑这一点时,我只是尝试了以下复数:
import numpy as np
a = np.array([1+2j, 3+4j, 5+6j])
a.view(np.float).reshape(a.shape[0],2)
这正是我正在寻找的。不知何故,相同的基本思想适用于四元数类型。我猜内部只是依赖于
elsize
,除以 sizeof(float)
并使用它来设置最后一个维度的新大小???为了回答我自己的问题,同样的想法可以应用于四元数模块:
import numpy as np, quaternions
a = np.array([np.quaternion(1,2,3,4), np.quaternion(5,6,7,8), np.quaternion(9,0,1,2)])
a.view(np.float).reshape(a.shape[0],4)
View 转换和整形在我的笔记本电脑上似乎需要大约 1 微秒,与输入数组的大小无关(大概是因为没有内存复制,除了一些基本 python 对象中的几个成员)。
以上适用于简单的四元数一维数组。要将其应用于一般形状,我只需在四元数命名空间内编写一个函数:
def as_float_array(a):
"View the quaternion array as an array of floats with one extra dimension of size 4"
return a.view(np.float).reshape(a.shape+(4,))
不同的形状似乎不会显着降低功能。
此外,很容易将浮点数组转换回四元数数组:
def as_quat_array(a):
"View a float array as an array of floats with one extra dimension of size 4"
if(a.shape[-1]==4) :
return a.view(np.quaternion).reshape(a.shape[:-1])
return a.view(np.quaternion).reshape(a.shape[:-1]+(a.shape[-1]//4,))
关于python - 通过 C API 创建新的 numpy 标量并实现自定义 View ,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/26387271/