numpy : 如何快速转换数组类型

Question

我发现 numpy 数组的 astype() 方法效率不高。我有一个数组包含 300万个Uint8点。将其乘以 3x3 矩阵需要 2 秒，但将结果从 uint16 转换为 uint8 需要另一秒。

更准确地说：

    print time.clock()
    imgarray = np.dot(imgarray,  M)/255
    print time.clock()
    imgarray = imgarray.clip(0, 255)
    print time.clock()
    imgarray = imgarray.astype('B')
    print time.clock()

点积和缩放需要 2 秒
削波需要 200 毫秒 类型转换需要 1 秒

考虑到其他操作所花费的时间，我预计astype 会更快。 有没有更快的方法来进行类型转换，或者我猜测类型转换不应该那么难时我错了？

编辑：目标是将最终的 8 位数组保存到文件中

Answer 1

当你使用imgarray = imgarray.astype('B') 时，你会得到一个数组的副本，转换为指定的类型。这需要额外的内存分配，即使您立即翻转 imgarray 以指向新分配的数组。

如果您使用imgarray.view('uint8')，那么您将获得数组的视图。这使用相同的数据，只是它被解释为uint8 而不是imgarray.dtype。 （np.dot 返回一个uint32 数组，所以在np.dot 之后，imgarray 的类型是uint32。）

然而，使用view 的问题在于，一个 32 位整数被视为 4 个 8 位整数，而我们只关心最后 8 位中的值。所以我们需要跳到每第 4 个 8 位整数。我们可以通过切片来做到这一点：

imgarray.view('uint8')[:,::4]

IPython 的 %timeit 命令显示以这种方式执行操作可以显着加快速度：

In [37]: %timeit imgarray2 = imgarray.astype('B')
10000 loops, best of 3: 107 us per loop

In [39]: %timeit imgarray3 = imgarray.view('B')[:,::4]
100000 loops, best of 3: 3.64 us per loop