numpy 是否有可能在不更改 memory 順序和迭代器的情況下交換矩陣的 x,y？

Question

我正在嘗試從fortran和c++ 的世界切換到 numpy 。 主要是我正在處理巨大的圖像，其中坐標方向是x：從左到右，y：自上而下，像素存儲在行中，常見於圖像格式。

Numpy 說它還按行存儲矩陣。 就好的而言，它與 fortran/c++ 保存圖像相同。 但是，請參閱以下示例，從黑色到白色的灰色行。 讓我們創建圖像 3x3，其中第一行是 123 等

黑白圖像符合預期，帶有 matplotlib imshow(mat)

mat = np.array([1,2,3,4,5,6,7,8,9], 'i1').reshape(3,3)

接下來我使用以下代碼獲取有關矩陣的信息。 例行打印： position x=1, y=0 , position 中的值在 memory 中查看是否復制了數組、步幅和迭代器。

def pr(a):
    x=1; y=0;
    print(a[x,y])
    print(a.ctypes.data, a.strides, a.ravel(order='K'), [x for x in a.flat], a.flatten(order='K'))
    print(a.flags)

對於C 順序的矩陣mat ，我有

4
94598176807408 (3, 1) [1 2 3 4 5 6 7 8 9] [1, 2, 3, 4, 5, 6, 7, 8, 9] [1 2 3 4 5 6 7 8 9]
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False

所以很明顯x,y被交換了，因為對於x=1和y=0像素值是 2 而不是 4，所以我已更改為 F 順序。

# mat = mat.ravel(order='K').reshape(3,3, order='F')
mat.strides = (1,3)
# mat = np.swapaxes(mat, 0, 1)

以上是獲得具有相同結果的F 階的三種可能性。

2
94598176807408 (1, 3) [1 2 3 4 5 6 7 8 9] [1, 4, 7, 2, 5, 8, 3, 6, 9] [1 2 3 4 5 6 7 8 9]
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True

現在，當使用具有相同 memory 布局的 F 訂單時，圖像被交換

如您所見， x=1 y=2的值 2 是正確的，使用mat[x,y]是正確的，memory 順序是正確的，但迭代器是錯誤的1 4 7... 。 結果是保存或顯示圖像不好，全部被交換。 不在 memory 訂單中的迭代器有很大的性能損失。

問題是：如何在沒有圖像副本的情況下設置 numpy 矩陣，交換 x,y 並且所有其他屬性都與 C 順序相同。 我嘗試設置 C_CONTIGUOUS=True，但這是不可能的。？

一種方法是使用 C 順序，但在所有此類矩陣上都必須使用反向索引 [y,x]，問題是它非常混亂，所有向量都是正常的(x,y,z)並且一些對象使用交換索引順序.? 軸的正確命名順序有助於圖像的進一步空間操作。

也許有可能擴展numpy ，使用其他索引方法，如mat.swap2[x,y]只返回mat[y,x]或例如。 mat[*reversed((x,y))] 。 但是有更好的解決方案嗎？

接下來是fortran和c++中的兩個示例，例如。 犰狳矩陣庫（因為 c/c++ 似乎沒有定義自己的通用矩陣對象）。 兩個示例都使用 F 順序，索引正確mat[x,y] ，memory 布局與輸入圖像的二進制布局相同，逐行，迭代器在 memory 布局中。 在我看來，F 順序中的 numpy 不支持相同的行為似乎很奇怪。 或者只是我不明白 numpy 的哲學。

fortran中的示例，保存和迭代此類矩陣按 memory 順序（此處未顯示）。

...
    integer(1) :: mat(0:2,0:2)      ! matrix 3x3 indexing 0,1,2
    data mat /1,2,3,4,5,6,7,8,9/    ! memory order
    print*, mat(1,0)                ! value for x=1 y=0 is 2 ok
...

C++中的示例與犰狳，保存並再次迭代是按 memory 順序（此處未顯示）。

#define ARMA_U8_TYPE   uint8_t
#define ARMA_S8_TYPE    int8_t        // define support for int8 instead of char
#include <armadillo>
...
    using namespace arma;
    int8_t amem[] = {1,2,3,4,5,6,7,8,9};        // memory order
    Mat<int8_t> mat(amem, 3,3,  false,true);    // matrix 3x3
    cout << (int)mat(1,0) << "\n";              // value for x=1 y=0 is 2 ok
...

Answer 1

首先 numpy 對列主模式有混淆的術語， F_CONTIGUOUS在 memory 中對於 2D 等從不連續。 就像按設計查看一樣， memory 布局始終為C 。 出於性能原因和您指定的軸分配，使用列主順序更自然，但在 numpy 中並不容易。

此外，內置/擴展不允許僅使用setattr()直接擴展 numpy 類，但您可以派生自己的。

為了簡單起見， numpy 始終使用默認的C順序（行主要順序）並將軸交換為mat[z,y,x] 。 在我看來，這似乎是最不容易混淆的。