python ravel 与 transpose 用于 reshape 时

Question

我有一个 2D 数组 v、v.shape=(M_1,M_2)，我想用 v.shape=(M_2,N_1,N_2) 和 M_1=N_1*N_2 将其重新整形为 3D 数组。

我想出了以下产生相同结果的行：

np.reshape(v.T, reshape_tuple)

和

np.reshape(v.ravel(order='F'), reshape_tuple)

对于 reshape_tuple=(M_2,N_1,N_2)。

如果原始 v 是一个巨大的（可能是复值的）矩阵，哪个在计算上更好，在什么意义上（计算时间、内存等）？

我的猜测是使用转置更好，但是如果 reshape 执行自动 ravel 那么 ravel-option 可能更快（尽管 reshape 可能正在执行ravel 在 C 或 Fortran 中然后不清楚）？

Answer 1

他们做事的顺序 - 重塑、改变步幅和复制 - 不同，但他们最终做同样的事情。

我喜欢用__array_interface__查看数据缓冲区的位置，以及其他变化。我想我应该添加 flags 才能看到 order。但是 we/you 知道 transpose 已经将顺序更改为 F，对吗？

In [549]: x=np.arange(6).reshape(2,3)
In [550]: x.__array_interface__
Out[550]: 
{'data': (187732024, False),
 'descr': [('', '<i4')],
 'shape': (2, 3),
 'strides': None,
 'typestr': '<i4',
 'version': 3}

转置是一个视图，具有不同的形状、步幅和顺序：

In [551]: x.T.__array_interface__
Out[551]: 
{'data': (187732024, False),
 'descr': [('', '<i4')],
 'shape': (3, 2),
 'strides': (4, 12),
 'typestr': '<i4',
 'version': 3}

不同顺序的ravel是一个副本（不同的数据缓冲区指针）

In [552]: x.ravel(order='F').__array_interface__
Out[552]: 
{'data': (182286992, False),
 'descr': [('', '<i4')],
 'shape': (6,),
 'strides': None,
 'typestr': '<i4',
 'version': 3}

转置拉威尔也是抄袭。我认为相同的数据指针只是内存重用的一种情况（因为我没有分配给变量）——但可以检查。

In [553]: x.T.ravel().__array_interface__
Out[553]: 
{'data': (182286992, False),
 'descr': [('', '<i4')],
 'shape': (6,),
 'strides': None,
 'typestr': '<i4',
 'version': 3}

添加整形：

In [554]: x.T.ravel().reshape(2,3).__array_interface__
Out[554]: 
{'data': (182286992, False),
 'descr': [('', '<i4')],
 'shape': (2, 3),
 'strides': None,
 'typestr': '<i4',
 'version': 3}
In [555]: x.ravel(order='F').reshape(2,3).__array_interface__
Out[555]: 
{'data': (182286992, False),
 'descr': [('', '<i4')],
 'shape': (2, 3),
 'strides': None,
 'typestr': '<i4',
 'version': 3}

我认为 reshape 中有一个隐含的 'ravel':

In [558]: x.T.reshape(2,3).__array_interface__
Out[558]: 
{'data': (182286992, False),
 'descr': [('', '<i4')],
 'shape': (2, 3),
 'strides': None,
 'typestr': '<i4',
 'version': 3}

（我应该重写这些示例以消除内存重用的歧义。）无论如何，转置后的重塑需要与顺序更改的 ravel 相同的内存副本。据我所知，这两种情况都只需要一份副本。其他操作仅涉及更改形状等属性。

如果我们只看数组可能会更清楚

In [565]: x.T
Out[565]: 
array([[0, 3],
       [1, 4],
       [2, 5]])

在T中，我们仍然可以按数字顺序逐步遍历数组。但是在重塑之后，1 与 0 相去甚远。显然有一个副本。

In [566]: x.T.reshape(2,3)
Out[566]: 
array([[0, 3, 1],
       [4, 2, 5]])

ravel 后值的顺序看起来很相似，reshape 后更明显。

In [567]: x.ravel(order='F')
Out[567]: array([0, 3, 1, 4, 2, 5])
In [568]: x.ravel(order='F').reshape(2,3)
Out[568]: 
array([[0, 3, 1],
       [4, 2, 5]])

python ravel 与 transpose 用于 reshape 时

python ravel vs. transpose when used in reshape

python

numpy

reshape