numpy：连续 2d 切片的连续 3d 体积？

Question

我想将几个 2D C 连续图像阵列加载到 3D 卷中，并通过直观的索引访问它们，例如slice3 = volume[:,:,2] 需要对原始串联的一维表示进行一些重塑。

现在，由于我加载了大量图像并从中计算出更多的新卷，这必须在您的普通 PC 上运行，所以我担心内存使用情况以及计算性能。

问：我怎样才能使 3D 体积和 2D 切片保持连续，以便我可以有效地在体积上做一些事情，在单个切片上做一些事情。

这里有一些可以玩的例子：

import numpy as np

# dimensions:
rows   = 2
cols   = 2
slices = 3

# create array
a = np.arange(rows*cols*slices)
print(a)
# [ 0  1  2  3  4  5  6  7  8  9 10 11]
# this is the original concatenated input of the slices [[0,1],[2,3]], [[4,5],[6,7]], [[8,9],[10,11]]

# a contiguous?
print(a.flags['C_CONTIGUOUS'])
# True

a = a.reshape(rows,cols,slices)
print(a)
# a still contiguous?
print(a.flags['C_CONTIGUOUS'])
# True

# what about a slice?
print(a[:,:,0])
# [[0 3]
#  [6 9]]
# ouch! that's not the slice I wanted! I wanted to keep [[0,1],[2,3]] together
# this slice is of course also not contiguous:
print(a[:,:,0].flags['C_CONTIGUOUS'])
# False

# ok, let's start over
a = a.ravel()
print(a)
# [ 0  1  2  3  4  5  6  7  8  9 10 11]
a = a.reshape(slices,rows,cols)
a = a.swapaxes(0,1)
a = a.swapaxes(1,2)
# what about a slice?
print(a[:,:,0])
# [[0 1]
#  [2 3]]
# now that's the kind of slice I wanted!

# a still contiguous?
print(a.flags['C_CONTIGUOUS'])
# False

# slice contiguous?
print(a[:,:,0].flags['C_CONTIGUOUS'])
# True
# only halfway there.. :(

再次声明：有没有办法实现所需的切片索引，同时保持体积以及单个切片 C 连续？

Answer 1

选项 1

不要太在意哪个维度对应slices：

a = a.reshape(slices, rows, cols)

就这样吧。一个很好的副作用是要说切片1，你只需这样做

a[1]

不需要a[1, :, :] 甚至a[1, ...]。

选项 2

如果您对slices 对应的维度感到困惑，则必须复制数据以保持连续性。但是，您只需一份副本即可到达那里，而不是使用两次swapaxes。

一种方法是使用transpose:

a = a.reshape(slices, rows, cols).transpose(1, 2, 0)

或者你可以使用np.moveaxis:

a = np.moveaxis(a.reshape(slices, rows, cols), 0, -1)

Answer 2

不，3D 数组 a 不可能是 C 连续的，a[:,:,0] 也不可能是 C 连续的。

为什么？根据定义，一个 C 连续数组在最后一维有一个单位步长，例如

>>> a = np.arange(rows*cols*slices)
>>> a = a.reshape(slices,rows,cols)
>>> print([stride // a.itemsize for stride in a.strides])
[4, 2, 1]

对于any C-contiguous 数组，对最后一维进行切片会创建一个非C-contiguous 数组，因为它在最后一维中不能有单位步幅：

>>> b = a[:, :, 0]
>>> print([stride // b.itemsize for stride in b.strides])
[4, 2]

如果您希望切片是 C 连续的，则需要在第一个维度上进行切片，并且只对第一个维度进行切片：

>>> c = a[0, :, :]
>>> print([stride // c.itemsize for stride in c.strides])
[2, 1]