【问题标题】:Swap slices of Numpy arrays交换 Numpy 数组的切片
【发布时间】:2013-02-02 17:20:51
【问题描述】:

我喜欢 python 处理变量交换的方式: a, b, = b, a

而且我还想使用此功能在数组之间交换值,不仅是一次交换一个,而且是多个数组(不使用临时变量)。这不是我所期望的(我希望沿第三维的两个条目都可以交换):

import numpy as np
a = np.random.randint(0, 10, (2, 3,3))
b = np.random.randint(0, 10, (2, 5,5))
# display before
a[:,0, 0]
b[:,0,0]
a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:,0,0] #swap
# display after
a[:,0, 0]
b[:,0,0]

有人有想法吗?当然,我总是可以引入一个额外的变量,但我想知道是否有更优雅的方法来做到这一点。

【问题讨论】:

标签: python multidimensional-array numpy swap


【解决方案1】:

Python 正确地解释代码就像你使用了额外的变量一样,所以交换代码相当于:

t1 = b[:,0,0]
t2 = a[:,0,0]
a[:,0,0] = t1
b[:,0,0] = t2

然而,即使是 这个 代码也不能正确交换值!这是因为 Numpy slices 不会急切地复制数据,它们会在现有数据中创建视图。仅在分配切片时执行复制,但在交换时,没有中间缓冲区的复制会破坏您的数据。这就是为什么您不仅需要一个额外的变量,还需要一个额外的 numpy 缓冲区,这是一般 Python 语法所不能知道的。例如,这按预期工作:

t = np.copy(a[:,0,0])
a[:,0,0] = b[:,0,0]
b[:,0,0] = t

【讨论】:

    【解决方案2】:

    我觉得这是最简单的:

    a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:, 0, 0].copy() #swap
    

    时间对比:

    %timeit a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:, 0, 0].copy() #swap
    The slowest run took 10.79 times longer than the fastest. This could mean that an intermediate result is being cached 
    1000000 loops, best of 3: 1.75 µs per loop
    
    %timeit t = np.copy(a[:,0,0]); a[:,0,0] = b[:,0,0]; b[:,0,0] = t
    The slowest run took 10.88 times longer than the fastest. This could mean that an intermediate result is being cached 
    100000 loops, best of 3: 2.68 µs per loop
    

    【讨论】:

      【解决方案3】:

      user4815162342's answer 确实是“正确的”。但如果你真的追求单线,那么考虑一下:

      a[arange(2),0,0], b[arange(2), 0, 0] = b[arange(2), 0, 0], a[arange(2),0,0] #swap
      

      然而,这明显降低了效率:

      In [12]: %timeit a[arange(2),0,0], b[arange(2), 0, 0] = b[arange(2), 0, 0], a[arange(2),0,0]
      10000 loops, best of 3: 32.2 µs per loop
      
      In [13]: %timeit t = np.copy(a[:,0,0]); a[:,0,0] = b[:,0,0]; b[:,0,0] = t
      The slowest run took 4.14 times longer than the fastest. This could mean that an intermediate result is being cached 
      100000 loops, best of 3: 13.3 µs per loop
      

      (但请注意有关“最慢运行”的注释...如果您尝试使用“-n 1 -r 1”调用 %timeit,您将看到更多可比较的结果 - 尽管我的解决方案仍然是 ~50%较慢 - 证明是的,缓存正在影响时间)

      【讨论】:

        【解决方案4】:

        这会起作用。

        a[:,0,0], b[:, 0, 0] = b[:, 0, 0].copy(), a[:, 0, 0].copy()
        

        【讨论】:

          猜你喜欢
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 2020-12-11
          • 2011-08-30
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          相关资源
          最近更新 更多