numpy的：陣列

Question

我讀一個供應商提供的大的二進制陣列成2D numpy的陣列tempfid的複雜重塑的執行效率（M，N）

# load data 
data=numpy.fromfile(file=dirname+'/fid', dtype=numpy.dtype('i4')) 

# convert to complex data 
fid=data[::2]+1j*data[1::2] 

tempfid=fid.reshape(I*J*K, N) 

，然後我需要將其重新成形到使用指數的非平凡映射的4D陣列有用4d（N，I，J，K）。我這樣做有用於大致如下循環：

for idx in range(M): 
    i=f1(idx) # f1, f2, and f3 are functions involving/and % as well as some lookups 
    j=f2(idx) 
    k=f3(idx) 
    newfid[:,i,j,k] = tempfid[idx,:] #SLOW! CAN WE IMPROVE THIS? 

轉換爲複雜的花費33％的時間，而這些切片m個切片的複製操作的其餘66％。計算指數是快速的，而不管我是在一個循環中如圖所示一個接一個地做，還是通過numpy.vector操作並將其應用到arange（M）。

有沒有辦法加快速度？任何幫助更有效的切片，複製（或不）等讚賞。

編輯： 正如在回答學會了提問"What's the fastest way to convert an interleaved NumPy integer array to complex64?"轉化爲複雜的可以通過6的一個因素，如果一個視圖來代替被加速：

fid = data.astype(numpy.float32).view(numpy.complex64) 

Answer 1

idx = numpy.arange(M) 
i = numpy.vectorize(f1)(idx) 
j = numpy.vectorize(f2)(idx) 
k = numpy.vectorize(f3)(idx) 

# you can index arrays with other arrays 
# that lets you specify this operation in one line.  
newfid[:, i,j,k] = tempfid.T 

我從來沒有使用numpy的矢量化。 Vectorize只是意味着numpy會多次調用你的python函數。爲了獲得速度，你需要使用像我在這裏展示的那樣的數組操作，並且你曾經獲得複數。

EDIT

的問題是，尺寸128的尺寸爲在第一newfid，但最後在tempfid。這很容易通過使用.T來進行轉置。

Answer 2

這個怎麼樣。用F1，F2，F3的矢量版本（不一定使用np.vectorize，但也許只是寫一個函數，它接受一個數組，並返回一個數組）設置我們您indicies，然後使用np.ix_：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.ix_.html

獲取索引數組。然後將tempfid重塑爲與newfid相同的形狀，然後使用np.ix_的結果來設置值。例如：

tempfid = np.arange(10) 
i = f1(idx) # i = [4,3,2,1,0] 
j = f2(idx) # j = [1,0] 
ii = np.ix_(i,j) 
newfid = tempfid.reshape((5,2))[ii] 

這將映射的tempfid到一個新的形狀具有不同的排序的元素。