Python中移动矩阵行的最快方法

我有一个4x4矩阵，如下所示：

1  2  3  4
5  6  7  8
9  10 11 12
13 14 15 16

我想根据行索引的数量向左移动每一行（左循环移动）。即第0行保持原样，第1行向左移动1，第2行向左移动2，等等

所以我们得到这个：

1  2  3  4
6  7  8  5
11 12 9  10
16 13 14 15

我在Python中想出的最快的方法是：

将numpy导入为np
def换档旋钮（x）：
x[1:][np.append（x[i][i:]，x[i][:i]）表示范围（1,4）内的i
返回x

我需要像这样在数千个4x4矩阵上运行这个函数，所以速度很重要（在Python中尽可能）。我不关心使用其他模块，比如numpy，我只关心速度

任何帮助都将不胜感激

谢谢大家!

首先改进，摆脱列表理解 我假设您的输入将始终是4x4 Ndaray。如果没有，您需要适当地修改函数（即添加

np.asarray

，检查维度等）。删除列表理解已经提供了很好的加速：

import numpy as np

a = np.arange(16).reshape(4, 4)

def ShiftRows(x):
    x[1:] = [np.append(x[i][i:], x[i][:i]) for i in range(1, 4)]
    return x

def shift(x):
    for i in range(1, 4):
        x[i] = np.append(x[i, i:], x[i, :i])
    return x

%timeit ShiftRows(a)
# 38.6 µs ± 1.08 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit shift(a)
# 31.9 µs ± 583 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

请记住，这两种变体都会在适当的位置修改阵列。如果这不是您想要的，请在两个函数的开头添加一个

x=x.copy（）

从我的测试来看，

numpy.roll

比这两个版本都慢得多

第二个改进，使用 现在，真正的加速比来自于我们使用：

这比现在快了15倍。使用

parallel

模式不会提高性能，可能是因为阵列的大小很小

---

测试：展开循环 应Patrick Artner的要求，我展开了循环（很可能是4x4）：

展开似乎会产生相同的结果

---

---

编辑：修复了一个大问题，现在的加速比要小得多。

只使用列表列表的基本解决方案（适用于那些没有考虑numpy的人）：

得到

[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]]
[[1, 2, 3, 4], [6, 7, 8, 5], [11, 12, 9, 10], [16, 13, 14, 15]]
[[1, 2, 3, 4], [6, 7, 8, 5], [11, 12, 9, 10], [16, 13, 14, 15]]

4.8055571                 # timing with for loop
4.098531100000001         # timing with unrolled loop

因此，手动展开循环似乎更快。您可能还需要使用numpy来了解这一点。

这一点很有效：

import numpy as np


def stepped_roll(arr):
    return np.array([np.roll(row, -n) for n, row in enumerate(arr)])


print(stepped_roll(np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]])))

我倾向于使用

np.roll

，因为numpy例程往往比Python更快

np.apply_沿_轴

在这里不起作用，因为你需要每行的索引

---

但是，在您的情况下，操作非常简单，数据集非常小，像@JanChristofterasa的答案中建议的

shift（）

函数会快得多。

如果您不介意硬编码数组大小，在我的测试中，硬编码重排模式的速度大约是6倍：

def rot(a):
    return a.take((0,1,2,3,5,6,7,4,10,11,8,9,15,12,13,14)).reshape(4, 4)

---

您的4x4自动取款机是什么格式的？简单的python列表？磁盘上的文件？名单？简单列表？它是一个numpy 2d arrayalways 4x4？或者总是方形？总是4x4，而不仅仅是普通python的方形手动展开循环更有效-也许也可以检查一下这种方法？@PatrickArtner我将在一分钟内展示结果。这些都是很好的解决方案。请注意，numba/jit在很大程度上取决于您的硬件。numba solutionsEDIT的改进不到10倍：我在代码中发现了一个错误，并添加了正确的数字。展开的与未展开的具有相同的性能。

[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]]
[[1, 2, 3, 4], [6, 7, 8, 5], [11, 12, 9, 10], [16, 13, 14, 15]]
[[1, 2, 3, 4], [6, 7, 8, 5], [11, 12, 9, 10], [16, 13, 14, 15]]

4.8055571                 # timing with for loop
4.098531100000001         # timing with unrolled loop

import numpy as np


def stepped_roll(arr):
    return np.array([np.roll(row, -n) for n, row in enumerate(arr)])


print(stepped_roll(np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]])))

def rot(a):
    return a.take((0,1,2,3,5,6,7,4,10,11,8,9,15,12,13,14)).reshape(4, 4)