改变numpy函数输出数组

我想写一个函数，对数组执行数学运算并返回结果。一个简单的例子可以是：改变numpy函数输出数组

def original_func(A): 
    return A[1:] + A[:-1]

对于高速化，并避免分配用于每个函数调用一个新的输出阵列，我想有输出数组作为参数，并改变它在适当位置：

def inplace_func(A, out): 
    out[:] = A[1:] + A[:-1]

然而，在下面的方式调用这两个函数时，

A = numpy.random.rand(1000,1000) 
out = numpy.empty((999,1000)) 

C = original_func(A) 

inplace_func(A, out)

原有的功能似乎是快两倍作为就地功能。这怎么解释？不应该因为它不需要分配内存而使得就地功能更快？

来源

2011-09-23 halvorlu

我认为，答案是：

在这两种情况下，你计算A[1:] + A[:-1]，并在这两种情况下，你实际上创建中间矩阵。

然而，在第二种情况下会发生什么呢？显式地将复制到一个保留的内存中。复制这样一个数组需要大约与原始操作相同的时间，所以你实际上将时间加倍。

综上所述行动，在第一种情况下，你这样做：

compute A[1:] + A[:-1] (~10ms)

在第二种情况下，你做

compute A[1:] + A[:-1] (~10ms) 
copy the result into out (~10ms)

来源

2011-09-23 13:58:09

作为一个解决方案：我认为* *你必须自己做循环，以避免在奥利弗的回答中描述的中间阵列。或者，也许像http://code.google.com/p/numexpr/可以帮助你？这[问题]（http://stackoverflow.com/questions/2937669/linear-combinations-in-python-numpy）也看起来相关。 – gspr

我认为你可以通过这样做来避免中间数组：'out [：] = A [1：]; out + = A [： - 1]'当然你的实际算法可能会变得更加难以精简。当然，不惜一切代价尽量避免循环。你可以用累积和ufuncs做些创造性的事情。 – Paul

-1

我跟奥利弗的解释一致。如果您想要在位执行操作，则必须手动循环访问阵列。这将会慢得多，但是如果你需要速度，你可以求助于Cython，它可以让你获得纯C实现的速度。

来源

2011-09-23 15:34:28 rocksportrocker

如果要执行就地操作，做

 
def inplace_func(A, out): 
    np.add(A[1:], A[:-1], out)

这不会产生任何临时对象（其中A[1:] + A[:-1]）一样。

所有numpy的二进制运算有相应的功能，在这里检查列表：http://docs.scipy.org/doc/numpy/reference/ufuncs.html#available-ufuncs

来源

2011-09-23 20:28:05

改变numpy函数输出数组

回答

相关问题