交换Numpy数组的切片

Question

我喜欢python处理变量交换的方式： a, b, = b, a

我也想使用此功能在数组之间交换值，不仅一次交换一个值，而且交换多个值（不使用temp变量）。 这不是我期望的（我希望第三个维度上的两个条目都可以互换）：

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]

有人有主意吗？ 当然，我总是可以引入一个附加变量，但是我想知道是否有一种更优雅的方法。

Answer 1

Python正确地解释了代码，就好像您使用了其他变量一样，因此交换代码等效于：

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

但是，即使这段代码也不能正确交换值！ 这是因为Numpy 切片不急于复制数据，而是将视图创建到现有数据中。 仅在分配切片时执行复制，但是在交换时，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附加变量，而且还需要一个附加的numpy缓冲区的原因，一般的Python语法对此一无所知。 例如，这按预期工作：

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

Answer 2

我发现这是最简单的：

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

时间比较：

%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

Answer 3

user4815162342的答案确实是“正确” 的答案 。 但是，如果您真的想要单线，请考虑以下事项：

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

但是，这明显地效率较低：

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

（但是请注意有关“最慢运行”的注意事项...如果您尝试用％“-n 1 -r 1”调用％timeit，则会看到更可比的结果-尽管我的解决方案仍然慢了50％-仍在演示是的，缓存会影响时间）

Answer 4

这将起作用。

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