寻求更高效的python numpy ravel + reshape

Question

我很好奇是否有更好的方法来做一个numpy ravel + reshape。
我加载了一大堆大图像并得到一个形状数组（num-rasters，h，w），其中num-rasters是图像的数量，h / w是图像的高度/宽度（它们都是相同的）尺寸）。 我希望将数组转换为形状（h * w，num-rasters）

这就是我现在这样做的方式：

res = my_function(some_variable) #(num-rasters, h, w)

res = res.ravel(order='F').reshape((res.shape[1] * res.shape[2], res.shape[0])) #(h*w, num-rasters)

它工作正常，但我的＆＃39; res＆＃39;变量（图像堆栈）是几个Gigs，即使有一吨ram（32Gigs），操作也可以完成。 如果有任何pythonistas或numpy专业人士有任何建议，我很好奇。

谢谢！

###############发布问题编辑/跟进

首先，重塑到位的结果比.reshap（）调用更快...这可能会返回一个包含所有相关内存的副本。我应该对此有所了解。

发布后不久，我发现了＆＃34; swapaxes＆＃34; http://docs.scipy.org/doc/numpy/reference/generated/numpy.swapaxes.html所以我也用这个版本制作了一个版本：

res2 = res.swapaxes(0, 2).reshape((res.shape[1] * res.shape[2], res.shape[0]))

花了9.2秒 它只比我原来的快一点（9.3）。但是在我的过程中只有一个可识别的记忆峰值......但仍然是一个大而缓慢的峰值。

魔术暗示：

res.shape = (res.shape[0], res.shape[1]*res.shape[2])
res_T = res.T

基本上没有时间（2.4e-5秒）没有内存峰值。 并丢了一份副本：

res.shape = (res.shape[0], res.shape[1]*res.shape[2])
res_T = res.T.copy()

使操作需要0.85秒，并且内存峰值相似（但很短）（对于副本）。

对我来说，带回家就是“交换”＆＃39;与转置做同样的事情，但你可以交换你想要的任何轴，而转置有固定的翻转方式。它也很高兴看到转置在3-d中表现如何......这对我来说是主要的......不需要拉扯。此外，转置是一种就地观点。

Answer 1

您可以更改数组的形状参数，从而导致原位形状更改。告诉哪些尺寸去哪里都有点棘手，但沿着这些方面的东西应该有效：

res.shape = (res.shape[0], res.shape[1]*res.shape[2]) ## converts to num_rasters, h*w

转置它会给你一个视图（所以会有一些到位），所以你可以做到

res_T = res.T

据我所知，这应该导致没有记忆复制。