Question

我有一个2d numpy数组，例如：

a = np.array([
        [0, 1, 2],
        [3, 4, 5],
        [6, 7, 8]])

和另一个1d数组：

I = np.array([0, 2, 3, 1, 0, 2, 0, 1])

我希望按a功能轮换np.rot90，如下所示：

b = np.zeros((len(I), 3, 3))
for i, k in enumerate(I):
    b[i] = np.rot90(a, k=k)

如果没有floop，我可以更有效地完成吗？

Answer 1

方法＃1

生成所有可能3D轮换的4数组，并使用I简单地将其编入索引，从而获得矢量化解决方案 -

P = np.empty((4,) + a.shape, dtype=a.dtype)
P[0] = a            # For np.rot90(a, k=0)
P[1] = a.T[::-1]    # For np.rot90(a, k=1)
P[2] = a[::-1,::-1] # For np.rot90(a, k=2)
P[3] = a.T[:,::-1]  # For np.rot90(a, k=3)
out = P[I]

方法＃2

创建P的另一种方法是使用 -

P = np.array([np.rot90(a, k=i) for i in range(4)])

与之前的方法一样，只需将P索引到I即可获得最终输出。

运行时测试

方法 -

def org_app(a, I):
    m,n = a.shape
    b = np.zeros((len(I), m, n), dtype=a.dtype)
    for i, k in enumerate(I):
        b[i] = np.rot90(a, k=k)
    return b

def app1(a, I):
    P = np.empty((4,) + a.shape, dtype=a.dtype)
    P[0] = a  
    P[1] = a.T[::-1]
    P[2] = a[::-1,::-1]
    P[3] = a.T[:,::-1]
    return P[I]

def app2(a, I):
    P = np.array([np.rot90(a, k=i) for i in range(4)])
    return P[I]

计时 -

In [54]: a = np.random.randint(0,9,(10,10))

In [55]: I = np.random.randint(0,4,(10000))

In [56]: %timeit org_app(a, I)
10 loops, best of 3: 51 ms per loop

In [57]: %timeit app1(a, I)
1000 loops, best of 3: 469 µs per loop

In [58]: %timeit app2(a, I)
1000 loops, best of 3: 549 µs per loop

100x+ 加速！

Answer 2

我能想到的一种更有效的方法（仍然没有矢量化）是使用列表理解，在一行中：

np.array([np.rot90(a, k=i) for i in I])

如何通过`np.rot90`有效地旋转不同时间的方形numpy数组？

2 个答案: