Numpy 如何使np.roll（）更快？

我使用np.roll（）来做最近邻平均，但我感觉有更快的方法。这里是一个简化的，但想象一下3维和更复杂的平均“模板”。举个例子，参见本手册第6节

下面是该简化示例中的几行：

for j in range(nper):
    phi2 = 0.25*(np.roll(phi,  1, axis=0) +
                 np.roll(phi, -1, axis=0) +
                 np.roll(phi,  1, axis=1) +
                 np.roll(phi, -1, axis=1) )
    phi[do_me] = phi2[do_me]

那么，我应该寻找返回视图而不是数组的东西吗？在这种情况下，roll是否在每次调用新数组时初始化它？我注意到小型阵列的开销很大

事实上，对于我的笔记本电脑上[100100]到[300300]大小的阵列来说，这是最有效的。可能存在上述问题

scipy.ndimage.interpolation.shift（）

的实现方式是否会更好，如果是这样，在上面的链接示例中，我会丢弃包装好的部分，但可能并不总是这样

---

注意：在这个问题中，我只查找NumPy/SciPy中可用的内容。当然，有很多很好的方法可以加速Python甚至NumPy，但这不是我在这里要寻找的，因为我真的想更好地理解NumPy。谢谢

np.roll

每次都必须创建一个数组副本，这就是它（相对）较慢的原因。使用类似于

scipy.ndimage.filters.convolve（）

的函数进行卷积会快一点，但仍可能创建副本（取决于实现）

在这种特殊情况下，我们可以通过在开始时使用和填充原始数组来避免完全复制

将numpy导入为np
def无拷贝卷（nx，ny）：
phi_padded=np.零（（ny+2，nx+2））
#这些是phi_填充的不同子阵列的视图
#如果两个子数组重叠，则它们共享内存
菲尤北=菲尤加垫[：-2，1:-1]
phi_east=phi_填充[1:-1,2:]
phi_south=phi_填充[2:，1:-1]
phi_west=phi_填充[1:-1，：-2]
φ=φ_填充[1:-1，1:-1]
do_me=np.zero_like（phi，dtype='bool'）
Dou me[1:-1，1:-1]=真
x0，y0，r0=40，65，12
x=np.arange（nx，dtype='float'）[None，：]
y=np.arange（ny，dtype='float'）[：，无]
rsq=（x-x0）**2+（y-y0）**2
circle=rsq到目前为止，我能得到的最快实现是基于您已经提到的
scipy.ndimage.interpolation.shift
的底层实现：

from scipy.ndimage.interpolation import _nd_image, _ni_support

cval = 0.0  # unused for mode `wrap`
mode = _ni_support._extend_mode_to_code('wrap')
_nd_image.zoom_shift(data, None, shift, data, 0, mode, cval)  # in-place update

预先计算
模式
，
cval
和
shift
调用低级的
zoom\u shift
方法直接让我了解了x5的加速比wrt。调用
shift
和x10加速wrt
np.roll
进行最近邻平均，您考虑过卷积吗？
np.roll
构造索引数组，并返回
a.take（索引，轴）
。这就是较慢的高级索引<“代码>跨步”

被认为是一种使用滑动窗口的更快方法。可能会给出一些想法，例如，使用跨步和滑动来构造滑动窗口。您的问题并不完全清楚您在寻找什么-如果您向我们展示您当前的解决方案，这将很有帮助。以及

scipy.ndimage.convolve

如果你只想得到最近邻平均值，你可以简单地使用

scipy.ndimage.uniform_filter

。

+1

哇，感谢你花时间写出如此全面而周到的答案！多年来，我一直在避免学习撇渣，也许这就是我需要深入研究的理由：-）顺便说一句，从五年前发布这个问题到今天，我几乎每天都在使用Python，但我仍然是个业余爱好者。行

Program:timing.py

让我困惑，这是按原样运行的吗？@uhoh

timing.py

是我给上述基准脚本的名称，用于比较代码的原始版本和零拷贝版本。对不起，如果你不明白的话。这是

pyinstrument

一个非常好的python分析器输出的一部分。谢谢，我感谢您的耐心，并将很快尝试所有这些！这个问题每隔一段时间就会出现，下次我会试试，让你知道它是怎么回事。谢谢

37.685 <module>  timing.py:1
├─ 22.413 original_roll  original.py:4
│  ├─ 15.056 [self]
│  └─ 7.357 roll  <__array_function__ internals>:2
│     └─ 7.243 roll  numpy\core\numeric.py:1110
│           [10 frames hidden]  numpy
├─ 14.709 no_copy_roll  mwe.py:4
└─ 0.393 allclose  <__array_function__ internals>:2
   └─ 0.393 allclose  numpy\core\numeric.py:2091
         [2 frames hidden]  numpy
            0.391 isclose  <__array_function__ internals>:2
            └─ 0.387 isclose  numpy\core\numeric.py:2167
                  [4 frames hidden]  numpy

from scipy.ndimage.interpolation import _nd_image, _ni_support

cval = 0.0  # unused for mode `wrap`
mode = _ni_support._extend_mode_to_code('wrap')
_nd_image.zoom_shift(data, None, shift, data, 0, mode, cval)  # in-place update