在 NumPy 中转置存储在一维数组中的矩阵的最快方法？答案

【问题标题】：Fastest way to transpose a matrix stored in an 1D array in NumPy?在 NumPy 中转置存储在一维数组中的矩阵的最快方法？
【发布时间】：2021-01-03 17:40:15
【问题描述】：

给定一个长度为N^2 的向量v 包含NxN 矩阵M 的条目，使用NumPy 在相同的向量表示中计算M 的转置的最快方法是什么？

我知道这可以通过

v.reshape(N, N).T.flatten()

但这是最快的方法吗？

我对@987654327@ 的中间显式形式不感兴趣。

【问题讨论】：

flatten 接受 order 作为参数。我猜如果你把它设置为'A'，那么你就不需要转置矩阵了
reshape 生成视图，T 也生成视图。但是flatten 会复制一份（转置后重新整形也会复制一份）。假设至少需要一份副本，我认为您无法提高速度。
为什么要寻找“最快”而不是“最清晰”？

标签： python arrays numpy matrix

【解决方案1】：

考虑一个测试用例：

In [207]: N=1000
In [208]: X = np.arange(N*N)

您的代码：

In [209]: Y = X.reshape(N,N).T.flatten()
In [210]: timeit Y = X.reshape(N,N).T.flatten()
5.45 ms ± 13 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

建议的替代方案：

In [211]: Z = X.reshape(N,N).flatten('F')
In [212]: np.allclose(Y,Z)
Out[212]: True
In [213]: timeit Z = X.reshape(N,N).flatten('F')
5.46 ms ± 39.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

没有真正的区别。 reshape 和 transpose 是视图。

【讨论】：