= 1) in me...">
美文网首页
numpy中的np.ascontiguousarray()函数

numpy中的np.ascontiguousarray()函数

作者: 程序员MONTE | 来源:发表于2020-06-15 12:40 被阅读0次

    Numpy文档中的说明:

    "Return a contiguous array (ndim >= 1) in memory (C order)."

    用途

    ascontiguousarray函数将一个内存不连续存储的数组转换为内存连续存储的数组,使得运行速度更快。


    C order vs Fortran order

    • C order 指的是行优先的顺序(Row-major Order),即内存中同行的元素存在一起,
    • Fortran Order则指的是列优先的顺序(Column-major Order),即内存中同列的元素存在一起。

    Pascal, C,C++,Python都是行优先存储的,而Fortran,MatLab是列优先存储的。


    Contiguous array

    contiguous array指的是数组在内存中存放的地址也是连续的(注意内存地址实际是一维的)。

    2维数组arr = np.arange(12).reshape(3,4)。数组结构如下

    image

    内存里中实际存储如下:

    image

    arrC order 的,在内存是行优先的。如果想要向下移动一列,则需要跳过3个块(例如,从0到4只需要跳过1,2和3)。

    如果经过转置,arr.T没有了C连续特性,因为内存中元素的地址不变,同一行中的相邻元素在内存中不是连续的:

    image

    这时,arr.T变成了Fortran order,因为相邻列中的元素在内存中是相邻存储的。

    从性能上来说,获取内存中相邻的地址比不相邻的地址速度要快很多(从RAM读取一个数值的时候可以连着一起读一块地址中的数值,并且可以保存在Cache中),这意味着对连续数组的操作会快很多。

    由于arr是C连续的,因此对其进行行操作比进行列操作速度要快。通常来说

    np.sum(arr, axis=1) # 按行求和
    

    会比

    np.sum(arr, axis=0) # 按列求和
    

    稍微快些。
    同理,在arr.T上,列操作比行操作会快些。


    使用 np.ascontiguousarray()

    • Numpy中,随机初始化的数组默认都是C连续的。

    • 经过不规则的slice操作,则会改变连续性,可能会变成既不是C连续,也不是Fortran连续的。

    • 可以通过数组的.flags属性,查看一个数组是C连续还是Fortran连续的

    >>> import numpy as np
    >>> arr = np.arange(12).reshape(3, 4)
    >>> arr.flags
        C_CONTIGUOUS : True
        F_CONTIGUOUS : False
        OWNDATA : False
        WRITEABLE : True
        ALIGNED : True
        WRITEBACKIFCOPY : False
        UPDATEIFCOPY : False
    

    从输出可以看到数组arr是C连续的。
    arr进行按列的slice操作,不改变每行的值,则还是C连续的:

    >>> arr
    array([[ 0,  1,  2,  3],
            [ 4,  5,  6,  7],
            [ 8,  9, 10, 11]])
    >>> arr1 = arr[:2, :]
    >>> arr1
    array([[ 0,  1,  2,  3],
            [ 4,  5,  6,  7]])
    >>> arr1.flags
        C_CONTIGUOUS : True
        F_CONTIGUOUS : False
        OWNDATA : False
        WRITEABLE : True
        ALIGNED : True
        WRITEBACKIFCOPY : False
        UPDATEIFCOPY : False
    

    如果进行在行上的slice,则会改变连续性,成为既不C连续,也不Fortran连续的:

    
    >>> arr1 = arr[:, 1:3]
    >>> arr1.flags
        C_CONTIGUOUS : False
        F_CONTIGUOUS : False
        OWNDATA : False
        WRITEABLE : True
        ALIGNED : True
        WRITEBACKIFCOPY : False
        UPDATEIFCOPY : False
    

    此时利用ascontiguousarray函数,可以将其变为连续的:

    
    >>> arr2 = np.ascontiguousarray(arr1)
    >>> arr2.flags
        C_CONTIGUOUS : True
        F_CONTIGUOUS : False
        OWNDATA : True
        WRITEABLE : True
        ALIGNED : True
        WRITEBACKIFCOPY : False
        UPDATEIFCOPY : False
    

    参考

    本篇文章由一文多发平台ArtiPub自动发布

    相关文章

      网友评论

          本文标题:numpy中的np.ascontiguousarray()函数

          本文链接:https://www.haomeiwen.com/subject/xmmcxktx.html