将 numpy 数组转换为 C 连续顺序的最便宜方法？

Question

以下生成一个 C 连续的 numpy 数组：

import numpy

a = numpy.ones((1024,1024,5))

现在如果我切片它，结果可能不再相同。例如：

bn = a[:, :, n]

n 从 0 到 4。 我的问题是我需要 bn 是 C 连续的，并且我需要对 a.我只需要每个bn 一次，并且想避免这样做

bn  = bn.copy(order='C')

我也不想这样重写我的代码

a = numpy.ones((5,1024,1024))

有没有比复制更快、更便宜的方法来获得bn？

背景：

我想散列每个 a 的每个切片，使用

import hashlib

hashlib.sha1(a[:, :, n]).hexdigest()

不幸的是，这将引发ValueError，抱怨订单。因此，如果有另一种快速获取我想要的哈希的方法，我也会使用它。

Answer 1

要强制一个 numpy 数组 x 是 C 连续的，而不是在开始时进行不必要的复制，您应该使用，

 x = numpy.asarray(x, order='C')

注意，如果这个数组不是 C 连续的，它在效率方面可能与x.copy(order='C') 相似。我认为没有办法解决它。除了将数据复制到新位置之外，您无法重新组织内存中数组的对齐方式。

重写您的代码，使其首先使用切片索引，如numpy.ones((5,1024,1024)) 似乎是优化这一点的唯一合理方法。

Answer 2

这是 numpy 与 C 接口时的标准操作。 看看numpy.ascontiguousarray

x=numpy.ascontiguousarray(x)

是正确的处理方式。

如果您需要 fortran 命令，请使用 numpy.asfortranarray。

如前所述，该功能将在必要时进行复制。所以没有办法解决它。您可以在操作前尝试rollaxis，使短轴为第一轴。这使您可以查看数组

In [2]: A=np.random.rand(1024,1024,5)
In [3]: B=np.rollaxis(A,2)
In [4]: B.shape
Out[4]: (5, 1024, 1024)
In [5]: B.flags
Out[5]:
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

In [6]: A.flags
Out[6]:
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

所以rollaxis也没有解决这个问题。

Answer 3

就目前情况而言，任何将切片bn 强制为 C 连续顺序的尝试都会创建一个副本。

如果您不想更改开始使用的形状（并且不需要按 C 顺序排列 a 本身），一种可能的解决方案是按 Fortran 顺序从数组 a 开始：

>>> a = numpy.ones((1024, 1024, 5), order='f')

切片也是 F 连续的：

>>> bn = a[:, :, 0]
>>> bn.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  ...

这意味着切片 bn 的转置将按 C 顺序进行，并且转置不会创建副本：

>>> bn.T.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  ...

然后你可以散列切片：

>>> hashlib.sha1(bn.T).hexdigest()
'01dfa447dafe16b9a2972ce05c79410e6a96840e'