如何在numpy数组中反转具有特定大小的每个切片

Question

我有一个一维数组，其元素为 1 或 0。查看每个包含 8 个元素的块，我想反转块中元素的顺序，但保持块的顺序不变。例如，假设我们有一个由两个块组成的数组 A：

A = [0,1,0,0,1,0,1,1,0,1,1,1,0,0,1,0]

这个操作之后，需要是这样的：

A = [1,1,0,1,0,0,1,0,0,1,0,0,1,1,1,0]

我目前有这个解决方案：

A.reshape(-1,8)[:,::-1].reshape(-1)

由于我在许多大型一维数组上执行此操作，因此我希望尽可能高效地执行此操作。

有没有更有效的解决方案（比如只使用一种reshape 方法）？

Answer 1

通过用ravel 替换第二个整形，我得到了最小的加速：

In [1]: A = np.asarray([1,1,0,1,0,0,1,0,0,1,0,0,1,1,1,0])

In [2]: %timeit -r 1000 -n 1000 A.reshape(-1,8)[:,::-1].reshape(-1)
2.12 µs ± 427 ns per loop (mean ± std. dev. of 1000 runs, 1000 loops each)

In [3]: %timeit -r 1000 -n 1000 A.reshape(-1,8)[:,::-1].ravel()
1.47 µs ± 362 ns per loop (mean ± std. dev. of 1000 runs, 1000 loops each)

我还假设使用flip 会进一步提高效率，但（奇怪的是）这似乎不是真的：

In [4]: %timeit -r 1000 -n 1000 np.flip(A.reshape(-1, 8), 1).ravel()
2.39 µs ± 531 ns per loop (mean ± std. dev. of 1000 runs, 1000 loops each)

编辑：

对于大型数组，效率似乎是相反的：

In [1]: A = np.random.randint(2, size=2**20)

In [2]: %timeit -r 100 -n 100 A.reshape(-1,8)[:,::-1].reshape(-1)
1.01 ms ± 13.4 µs per loop (mean ± std. dev. of 100 runs, 100 loops each)

In [3]: %timeit -r 100 -n 100 A.reshape(-1,8)[:,::-1].ravel()
1.11 ms ± 10.5 µs per loop (mean ± std. dev. of 100 runs, 100 loops each)

In [4]: %timeit -r 100 -n 100 np.flip(A.reshape(-1, 8), 1).ravel()
1.11 ms ± 10.3 µs per loop (mean ± std. dev. of 100 runs, 100 loops each)