我有一个2d数组v
,v.shape=(M_1,M_2)
,我想用v.shape=(M_2,N_1,N_2)
和M_1=N_1*N_2
将其重塑为3d数组。
我想出了以下几行,得出了同样的结果:
np.reshape(v.T, reshape_tuple)
和
np.reshape(v.ravel(order='F'), reshape_tuple)
对于
reshape_tuple=(M_2,N_1,N_2)
。如果原始的
v
是一个巨大的(可能是复值的)矩阵,哪一个在计算上更好,在什么意义上(comp time,memory,等等)?我的猜测是使用转置更好,但是如果
reshape
执行自动ravel
操作,那么ravel选项可能更快(尽管reshape
可能在c或fortran中执行ravel
操作,然后就不清楚了)? 最佳答案
他们做事的顺序——重塑、改变步调、复制——不同,但他们最终还是做了同样的事情。
我喜欢使用__array_interface__
查看数据缓冲区的位置以及其他更改。我想我应该添加flags
来查看order
。但我们/你知道transpose
已经将顺序更改为F
,对吧?
In [549]: x=np.arange(6).reshape(2,3)
In [550]: x.__array_interface__
Out[550]:
{'data': (187732024, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
转置是一种具有不同形状、步幅和顺序的视图:
In [551]: x.T.__array_interface__
Out[551]:
{'data': (187732024, False),
'descr': [('', '<i4')],
'shape': (3, 2),
'strides': (4, 12),
'typestr': '<i4',
'version': 3}
不同顺序的ravel是一个副本(不同的数据缓冲指针)
In [552]: x.ravel(order='F').__array_interface__
Out[552]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (6,),
'strides': None,
'typestr': '<i4',
'version': 3}
转置ravel也是一个副本。我认为同一个数据指针只是内存重用的一个例子(因为我没有分配给变量),但这是可以检查的。
In [553]: x.T.ravel().__array_interface__
Out[553]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (6,),
'strides': None,
'typestr': '<i4',
'version': 3}
添加形状:
In [554]: x.T.ravel().reshape(2,3).__array_interface__
Out[554]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
In [555]: x.ravel(order='F').reshape(2,3).__array_interface__
Out[555]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
我认为重塑中隐含着一种“狂欢”:
In [558]: x.T.reshape(2,3).__array_interface__
Out[558]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
(我应该重新编写这些示例以消除内存重用的歧义。)在任何情况下,转置后的整形都需要与带顺序更改的ravel相同的内存副本。据我所知,这两种情况都只需要一份。其他操作只涉及对shape等属性的更改。
如果我们看一下这些数组
In [565]: x.T
Out[565]:
array([[0, 3],
[1, 4],
[2, 5]])
在
T
中,我们仍然可以按数字顺序遍历数组。但经过整形后,1
与0
并不接近。很明显有一本。In [566]: x.T.reshape(2,3)
Out[566]:
array([[0, 3, 1],
[4, 2, 5]])
在ravel之后的值的顺序看起来很相似,而在整形之后更明显。
In [567]: x.ravel(order='F')
Out[567]: array([0, 3, 1, 4, 2, 5])
In [568]: x.ravel(order='F').reshape(2,3)
Out[568]:
array([[0, 3, 1],
[4, 2, 5]])