Question

我发现numpy数组的astype（）方法效率不高。我有一个包含的数组 Uint8点300万。将它乘以3x3矩阵需要2秒，但将结果从uint16转换为uint8需要另一秒。

更确切地说：

    print time.clock()
    imgarray = np.dot(imgarray,  M)/255
    print time.clock()
    imgarray = imgarray.clip(0, 255)
    print time.clock()
    imgarray = imgarray.astype('B')
    print time.clock()

点积和缩放需要2秒削减需要200毫秒类型转换需要1秒

考虑到其他操作所花费的时间，我希望astype更快。是否有更快的方式进行类型转换，或者在猜测类型转换不应该那么难时我错了吗？

编辑：目标是将最终的8位数组保存到文件

Answer 1

当您使用imgarray = imgarray.astype('B')时，您将获得该数组的副本，并转换为指定的类型。这需要额外的内存分配，即使你立即将imgarray转换为指向新分配的数组。

如果您使用imgarray.view('uint8')，那么您将获得该阵列的视图。除了将其解释为uint8而不是imgarray.dtype之外，它使用相同的数据。（np.dot会返回uint32数组，因此在np.dot之后，imgarray的类型为uint32。）

然而，使用view的问题是32位整数被视为4个8位整数，我们只关心最后8位的值。所以我们需要跳到每个第4个8位整数。我们可以用切片来做到这一点：

imgarray.view('uint8')[:,::4]

IPython的％timeit命令显示以这种方式快速做事：

In [37]: %timeit imgarray2 = imgarray.astype('B')
10000 loops, best of 3: 107 us per loop

In [39]: %timeit imgarray3 = imgarray.view('B')[:,::4]
100000 loops, best of 3: 3.64 us per loop

numpy：如何快速转换数组类型

1 个答案: