numpy：布尔索引和内存使用情况

Question

考虑以下numpy代码：

A[start:end] = B[mask]

下面：

• A和B是具有相同列数的2D数组;
• start和end是标量;
• mask是一维布尔数组;
• (end - start) == sum(mask)。

原则上，可以使用O(1)临时存储执行上述操作，方法是将B的元素直接复制到A。

这是实际发生的事情，还是numpy为B[mask]构建临时数组？如果是后者，有没有办法通过重写语句来避免这种情况？

Answer 1

该行

A[start:end] = B[mask]

将 - 根据Python语言定义 - 首先评估右侧，产生一个包含所选B行并占用额外内存的新数组。我知道要避免这种情况的最有效的纯Python方法是使用显式循环：

from itertools import izip, compress
for i, b in izip(range(start, end), compress(B, mask)):
    A[i] = b

当然，这比原始代码的时间效率要低得多，但它只使用O（1）额外的内存。另请注意，{2.7}或3.1或更高版本中提供了itertools.compress()。

Answer 2

使用布尔数组作为索引是花哨的索引，因此numpy需要复制。 如果你遇到内存问题，你可以编写一个cython扩展来处理它。