反转 numpy 阵列的最有效方法

Question

信不信由你，在分析了我当前的代码之后，numpy 数组反转的重复操作占用了运行时间的一大块。 我现在拥有的是常见的基于视图的方法：

reversed_arr = arr[::-1]

有没有其他方法可以更有效地做到这一点，或者这只是我对不切实际的 numpy 性能的痴迷的错觉？

Answer 1

创建reversed_arr时，您正在创建原始数组的视图。 然后您可以更改原始数组，并且视图将更新以反映更改。

您重新创建视图的频率是否超出了您的需要？ 你应该能够做这样的事情：

arr = np.array(some_sequence)
reversed_arr = arr[::-1]

do_something(arr)
look_at(reversed_arr)
do_something_else(arr)
look_at(reversed_arr)

我不是 numpy 专家，但这似乎是 numpy 中最快的处理方式。 如果这是您已经在做的事情，我认为您无法改进。

PS 在这里对 numpy 意见的精彩讨论：

查看 numpy 阵列？

Answer 2

正如刚才提到的，

a[::-1]

实际上只创建一个视图，所以它是一个恒定时间的操作（因此随着数组的增长不需要更长的时间）。 如果您需要数组是连续的（例如，因为您正在使用它执行许多向量操作）， ascontiguousarray与flipud / fliplr一样快：

---

生成 plot 的代码：

import numpy
import perfplot


perfplot.show(
    setup=lambda n: numpy.random.randint(0, 1000, n),
    kernels=[
        lambda a: a[::-1],
        lambda a: numpy.ascontiguousarray(a[::-1]),
        lambda a: numpy.fliplr([a])[0],
    ],
    labels=["a[::-1]", "ascontiguousarray(a[::-1])", "fliplr"],
    n_range=[2 ** k for k in range(25)],
    xlabel="len(a)",
)

Answer 3

因为这似乎还没有被标记为已回答...... Thomas Arildsen 的回答应该是正确的：只需使用

np.flipud(your_array) 

如果它是一维数组（列数组）。

随着矩阵做

fliplr(matrix)

如果你想反转行和flipud(matrix)如果你想翻转列。 无需将一维列数组设为二维行数组（具有一个 None 层的矩阵）然后翻转它。

Answer 4

np.fliplr()从左到右翻转数组。

请注意，对于 1d arrays，您需要花点功夫：

arr1d = np.array(some_sequence)
reversed_arr = np.fliplr([arr1d])[0]

Answer 5

我将扩展关于np.fliplr()的早期答案。 这是一些代码，演示了构造一维数组，将其转换为二维数组，翻转它，然后转换回一维数组。 time.clock()将用于保持时间，以秒为单位。

import time
import numpy as np

start = time.clock()
x = np.array(range(3))
#transform to 2d
x = np.atleast_2d(x)
#flip array
x = np.fliplr(x)
#take first (and only) element
x = x[0]
#print x
end = time.clock()
print end-start

未注释打印语句：

[2 1 0]
0.00203907123594

使用 print 语句注释掉：

5.59799927506e-05

所以，就效率而言，我认为这是体面的。 对于那些喜欢在一行中完成的人，这里是那种形式。

np.fliplr(np.atleast_2d(np.array(range(3))))[0]

Answer 6

扩展其他人所说的内容，我将举一个简短的例子。

如果你有一个一维数组......

>>> import numpy as np
>>> x = np.arange(4) # array([0, 1, 2, 3])
>>> x[::-1] # returns a view
Out[1]: 
array([3, 2, 1, 0])

但是，如果您正在使用 2D 数组...

>>> x = np.arange(10).reshape(2, 5)
>>> x
Out[2]:
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

>>> x[::-1] # returns a view:
Out[3]: array([[5, 6, 7, 8, 9],
               [0, 1, 2, 3, 4]])

这实际上并没有反转矩阵。

应该使用 np.flip 来实际反转元素

>>> np.flip(x)
Out[4]: array([[9, 8, 7, 6, 5],
               [4, 3, 2, 1, 0]])

如果要逐个打印矩阵的元素，请使用 flat 和 Flip

>>> for el in np.flip(x).flat:
>>>     print(el, end = ' ')
9 8 7 6 5 4 3 2 1 0

Answer 7

基于切片符号的类似 np.flip 将是 [::-1,::-1]

a = np.array([[1., 2.], [3., 4.], [5, 6]])
print(a)

out: [[1. 2.]
      [3. 4.]
      [5. 6.]]

b=a[::-1,::-1]
print(b)

out: [[1. 2.]
      [3. 4.]
      [5. 6.]]

Answer 8

为了让它使用负数和长列表，您可以执行以下操作：

b = numpy.flipud(numpy.array(a.split(),float))

Flipud 用于 1d arra 的位置