Question

我喜欢python处理变量交换的方式： a, b, = b, a

我想使用此功能在数组之间交换值，不仅一次一个，而且还有一些（不使用临时变量）。这不是我的预期（我希望沿着第三维的两个条目都会交换两者）：

import numpy as np
a = np.random.randint(0, 10, (2, 3,3))
b = np.random.randint(0, 10, (2, 5,5))
# display before
a[:,0, 0]
b[:,0,0]
a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:,0,0] #swap
# display after
a[:,0, 0]
b[:,0,0]

有没有人有想法？当然我总是可以引入一个额外的变量，但我想知道是否有更优雅的方式来做这个。

Answer 1

Python正确解释代码就像使用了其他变量一样，因此交换代码等同于：

t1 = b[:,0,0]
t2 = a[:,0,0]
a[:,0,0] = t1
b[:,0,0] = t2

但是，即使此代码也无法正确交换值！这是因为Numpy slices不急切地复制数据，而是创建现有数据的视图。仅在分配切片时执行复制，但在交换时，没有中间缓冲区的副本会破坏您的数据。这就是为什么你不仅需要一个额外的变量，而且还需要一个额外的numpy缓冲区，一般的Python语法都不知道。例如，这可以按预期工作：

t = np.copy(a[:,0,0])
a[:,0,0] = b[:,0,0]
b[:,0,0] = t

Answer 2

我发现这是最简单的：

a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:, 0, 0].copy() #swap

时间比较：

%timeit a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:, 0, 0].copy() #swap
The slowest run took 10.79 times longer than the fastest. This could mean that an intermediate result is being cached 
1000000 loops, best of 3: 1.75 µs per loop

%timeit t = np.copy(a[:,0,0]); a[:,0,0] = b[:,0,0]; b[:,0,0] = t
The slowest run took 10.88 times longer than the fastest. This could mean that an intermediate result is being cached 
100000 loops, best of 3: 2.68 µs per loop

Answer 3

user4815162342's answer确实是＆＃34;对＆＃34;一。但如果你真的在单行之后，请考虑一下：

a[arange(2),0,0], b[arange(2), 0, 0] = b[arange(2), 0, 0], a[arange(2),0,0] #swap

然而效率明显降低：

In [12]: %timeit a[arange(2),0,0], b[arange(2), 0, 0] = b[arange(2), 0, 0], a[arange(2),0,0]
10000 loops, best of 3: 32.2 µs per loop

In [13]: %timeit t = np.copy(a[:,0,0]); a[:,0,0] = b[:,0,0]; b[:,0,0] = t
The slowest run took 4.14 times longer than the fastest. This could mean that an intermediate result is being cached 
100000 loops, best of 3: 13.3 µs per loop

（但请注意关于＆＃34;最慢的运行＆＃34的说明; ...如果您尝试使用＆＃34; -n 1 -r 1＆＃34;来调用％timeit，您会看到更多可比较的结果 - 虽然我的解决方案仍然慢了约50％ - 证明是的，缓存正在影响时间）

Answer 4

这样可行。

a[:,0,0], b[:, 0, 0] = b[:, 0, 0].copy(), a[:, 0, 0].copy()

交换Numpy数组的切片

4 个答案: