Python 如何通过'np.rot90'高效地旋转不同时间的方形numpy阵列?
我有一个2d numpy数组,例如:Python 如何通过'np.rot90'高效地旋转不同时间的方形numpy阵列?,python,arrays,performance,numpy,rotation,Python,Arrays,Performance,Numpy,Rotation,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阵列: I = np.array([0, 2, 3, 1, 0, 2, 0, 1]) 我想通过np.rot90函数旋转a,如下所示: b = np.zeros((len(I), 3, 3)) for i, k in enumerate(I): b[i] = np.rot90(a, k=k)
a = np.array([
[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
和另一个1d阵列:
I = np.array([0, 2, 3, 1, 0, 2, 0, 1])
我想通过np.rot90
函数旋转a
,如下所示:
b = np.zeros((len(I), 3, 3))
for i, k in enumerate(I):
b[i] = np.rot90(a, k=k)
没有floop我能更有效地完成吗?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])
方法#1
生成一个包含所有可能的4
旋转的3D
数组,并简单地使用I
索引到该数组中,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-
P = np.array([np.rot90(a, k=i) for i in range(4)])
与前面的方法一样,只需将p
与I
索引,即可获得最终输出
运行时测试
接近-
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]
时间安排-
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 发布的解决方案中有一个对你有效吗?是的,它们对我有效。非常感谢。考虑接受其中的一个吗?我喜欢方法2,因为它有很好的可读性。我的意思是通过点击绿色刻度来接受其中一个解决方案,就像你之前对这个解决方案所做的那样。