使用滑动窗口查看 Julia 数组答案

【问题标题】：View on Julia array using sliding window使用滑动窗口查看 Julia 数组
【发布时间】：2020-12-25 10:10:56
【问题描述】：

使用例如滑动窗口=2 在数组上创建视图的最有效方法是什么

假设我们有：

x = collect(1:1:6)
# 1 2 3 4 5 6

我想创建一个这样的视图：

到目前为止，我只找到了这个选项，但不确定它是否是最佳选项：

y = Array{Float32, 2}(undef, nslides, window)
@inbounds for i in 1:window
    y[:, i] = @view x[i:end-(window-i)]
end

【问题讨论】：

标签： arrays performance julia rolling-computation sliding-window

【解决方案1】：

一个班轮是：

view.(Ref(x), (:).(1:length(x)-1,2:length(x)))

测试：

julia> x=collect(1:6);

julia> view.(Ref(x), (:).(1:length(x)-1,2:length(x)))
5-element Array{SubArray{Int64,1,Array{Int64,1},Tuple{UnitRange{Int64}},true},1}:
 [1, 2]
 [2, 3]
 [3, 4]
 [4, 5]
 [5, 6]

解释：

views 的创建由点运算符 . 向量化
我们不想对x 的元素进行矢量化，因此请改用Ref(x)
(:) 只是 UnitRange 的更短形式，我们再次使用点运算符 . 进行矢量化

我使用2作为窗口大小，当然你可以写view.(Ref(x), (:).(1:length(x)-(window-1),window:length(x)))

编辑：

如果你想要一个库函数，这对你有用：

julia> using ImageFiltering

julia> mapwindow(collect, x, 0:1,border=Inner())
5-element OffsetArray(::Array{Array{Int64,1},1}, 1:5) with eltype Array{Int64,1} with indices 1:5:
 [1, 2]
 [2, 3]
 [3, 4]
 [4, 5]
 [5, 6]

当然你可以把它们放在你想在滑动窗口上运行的功能，而不仅仅是收集。

【讨论】：

我们不是有那个吗 :) 现在我找到了我正在寻找的包：RollingFunctions.jl。
也许会更整洁：reduce(vcat, @views [x[i-1:i]' for i in 2:length(x)])。这也将切片连接为矩阵的行。
然而，这会返回 Matrix 而不是 view，因此 x 中的原始数据将被复制，并且基准测试速度要慢 3.5 倍。
@phipsgabler 是的！这是一个很好的！但是，这允许您在滚动窗口上运行函数，而不是自己获取窗口（至少我没有看到无需聚合就生成窗口的代码）
当然，reduce(vcat, ...') 可以应用于或不应用于任何一种形式。这个问题既创建了一个矩阵，又表示了视图。也许还值得注意的是，如果x 包含复数或字符串，这里的' 将是错误的。

【解决方案2】：

一个带有包的解决方案（嗯，我的包）是这样的：

julia> using Tullio

julia> x = 1:6; window = 2;

julia> @tullio y[r,c] := x[r+c-1]  (c in 1:window)
5×2 Matrix{Int64}:
 1  2
 2  3
 3  4
 4  5
 5  6

【讨论】：

这很好，但是基准测试比我的代码慢 40%。
没看过，但对我来说，在长度为 6 时确实慢了 20ns。然后在长度为 25 时大约相等，从 100 到 10^6 快 3 倍。使用@tullio threads=false ... 会快一点，因为宏不够聪明，无法提前知道多线程永远不会在这里支付。这样一来，编写@inbounds for r in axes(y,1), c in axes(y,2); y[r, c] = x[(r + c) - 1]; end end 并考虑范围和分配只是一种更易读的方式。
我刚刚检查过了——确实对于大型数组Tullio 快了 3 倍。看起来很棒！