Najbardziej wydajny sposób na odwrócenie tablicy numpy

Wierzcie lub nie, po wyprofilowaniu mojego obecnego kodu powtarzające się operacje odwracania tablicy numpy zjadły ogromną część czasu pracy. To, co mam teraz, to wspólna metoda oparta na widoku:

reversed_arr = arr[::-1]

Czy jest jakiś inny sposób, aby zrobić to bardziej efektywnie, czy to tylko złudzenie mojej obsesji na punkcie nierealistycznego numpicznego wykonania?

Podczas tworzenia reversed_arrtworzysz widok do oryginalnej tablicy. Następnie możesz zmienić oryginalną tablicę, a widok zostanie zaktualizowany, aby odzwierciedlić zmiany.

Czy odtwarzasz widok częściej niż potrzebujesz? Powinieneś być w stanie zrobić coś takiego:

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

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

Nie jestem ekspertem od numpy, ale wydaje się, że byłby to najszybszy sposób na robienie tego w numpy. Jeśli to właśnie robisz, nie sądzę, że możesz to poprawić.

PS Świetna dyskusja na temat wielu wyświetleń tutaj:

Zobacz na tablicę numpy?

Jak wspomniano powyżej, a[::-1]tak naprawdę tworzy tylko widok, więc jest to operacja o stałym czasie (i jako taka nie trwa dłużej, gdy tablica się powiększa). Jeśli potrzebujesz, aby tablica była ciągła (na przykład ponieważ wykonujesz z nią wiele operacji wektorowych), ascontiguousarrayjest ona tak szybka jak flipup/ fliplr:

Kod do wygenerowania wykresu:

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)",
    logx=True,
    logy=True,
)

Ponieważ wydaje się, że nie jest to jeszcze oznaczone jako odpowiedź ... Odpowiedź Thomasa Arildsena powinna być właściwa: po prostu użyj

np.flipud(your_array) 

jeśli jest to tablica 1d (tablica kolumnowa).

Z matrize zrobić

fliplr(matrix)

jeśli chcesz odwrócić wiersze i flipud(matrix)jeśli chcesz odwrócić kolumny. Nie ma potrzeby przekształcania tablicy 1d w 2-wymiarową tablicę wierszy (macierz z jedną warstwą Brak), a następnie odwracanie jej.

np.fliplr() odwraca tablicę od lewej do prawej.

Pamiętaj, że w przypadku tablic 1d musisz trochę oszukać:

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

Rozbuduję wcześniejszą odpowiedź na temat np.fliplr(). Oto kod ilustrujący tworzenie tablicy 1d, przekształcanie jej w tablicę 2d, odwracanie, a następnie konwersję z powrotem do tablicy 1d. time.clock()zostaną wykorzystane do zachowania czasu, który jest wyrażony w sekundach.

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

Bez instrukcji drukowania:

[2 1 0]
0.00203907123594

Z wypisanym komentarzem:

5.59799927506e-05

Pod względem wydajności uważam, że to przyzwoite. Dla tych z was, którzy lubią to robić w jednym wierszu, oto ta forma.

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

Rozwijając to, co powiedzieli inni, dam krótki przykład.

Jeśli masz tablicę 1D ...

>>> 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])

Ale jeśli pracujesz z tablicą 2D ...

>>> 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]])

To nie odwraca Matrycy.

Powinien użyć np.flip do odwrócenia elementów

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

Jeśli chcesz wydrukować elementy matrycy jeden po drugim, użyj płaskiego wraz z przerzuceniem

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

Aby działał z liczbami ujemnymi i długą listą, możesz wykonać następujące czynności:

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

Gdzie flipud jest dla tablicy 1d