numpy数组拆分/分区效率

Question

这似乎是一个简单的问题，但我一直在努力尝试有效地拆分2D数组：

start_time = time.time()
M = np.ones((400,400))

for i in range(10000):
    e = np.array_split(M, 20)
print time.time() - start_time

然而，与使用 Partition 函数在Mathematica中实现的~0.5秒相比，此过程需要约6秒，当数组变得更大时，这可能成为一种负担。我有什么方法可以加快这个过程吗？

Answer 1

将数组拆分为不均匀的部分时，

np.array_split可能很有用。在此，e中每个项目的大小相同，因此您只需使用reshape：

e = M.reshape(20,-1)

这将非常快，因为它不需要复制数组，只需更改数组的形状属性。

e将是2D NumPy形状数组（20,8000），而不是NumPy数组列表。

---

In [56]: M = np.ones((400,400))

In [60]: %timeit M.reshape(20,-1)
1000000 loops, best of 3: 447 ns per loop