Python 滚动/增加NumPy数组的维数

我目前正试图找到一种简单的方法来对Python中的N维数组执行以下操作。为了简单起见，让我们从一个大小为4的一维数组开始

X = np.array([1,2,3,4])

我要做的是创建一个新数组，称之为Y，这样：

Y = np.array([1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3])

Y[:,i] = np.roll(X[:],-i, axis = 0)

Y[:,:,:,i,j,k] = np.roll(X[:,:,:],(-i,-j,-k),axis = (0,1,2))

所以我要做的是创建一个数组Y，这样：

Y = np.array([1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3])

Y[:,i] = np.roll(X[:],-i, axis = 0)

Y[:,:,:,i,j,k] = np.roll(X[:,:,:],(-i,-j,-k),axis = (0,1,2))

我知道如何使用for循环来实现这一点，但我正在寻找一种更快的方法。我尝试这样做的实际数组是一个三维数组，称之为X。我要寻找的是一种找到数组Y的方法，例如：

Y = np.array([1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3])

Y[:,i] = np.roll(X[:],-i, axis = 0)

Y[:,:,:,i,j,k] = np.roll(X[:,:,:],(-i,-j,-k),axis = (0,1,2))

我可以使用itertools.product类使用for循环来实现这一点，但这相当慢。如果有人有更好的方法，请告诉我。我也有丘比安装了GTX-970，所以如果有一种方法可以使用CUDA更快地做到这一点，请让我知道。如果有人想了解更多情况，请告诉我

这是我计算位置空间两点相关函数的原始代码。数组x0是表示实标量场的n×n×n实值数组。函数iterate（j，s）运行j次迭代。每个迭代包括为每个晶格位置生成-s和s之间的随机浮点。然后，它计算动作dS中的变化，并以min（1，exp^（-dS））的概率接受变化

方法#1

我们可以在这里扩展到我们的

3D

阵列案例。因此，只需沿三个DIM连接切片版本，然后使用BASE有效地获得最终输出，作为连接版本的跨步视图，如下所示-

from skimage.util.shape import view_as_windows

X1 = np.concatenate((X,X[:,:,:-1]),axis=2)
X2 = np.concatenate((X1,X1[:,:-1,:]),axis=1)
X3 = np.concatenate((X2,X2[:-1,:,:]),axis=0)
out = view_as_windows(X3,X.shape)

方法#2

对于非常大的数组，我们可能需要初始化输出数组，然后重新使用前面方法中的

X3

来分配它。这种切片过程将比最初的轧制速度更快。执行工作将是：-

m,n,r = X.shape
Yout = np.empty((m,n,r,m,n,r),dtype=X.dtype)
for i in range(m):
    for j in range(n):
        for k in range(r):
            Yout[:,:,:,i,j,k] = X3[i:i+m,j:j+n,k:k+r]

---

令人惊叹的！我得到了很好的加速。坏消息；我现在被限制在三维空间中的最大晶格尺寸约为33（我在模拟晶格量子场论），因为如果超过这个尺寸，我会得到一个内存错误，因为33^6是一个非常大的数字。有什么办法可以解决这个问题吗？这真的不管用。我想当我在做np.multiply到element-wise的乘法时，实际的内存接收器会是新的六维矩阵与原始矩阵相乘，因为我试图计算格上相互作用理论的欧几里德（想象时间）格林函数。无论使用您的方法，我都可以探测晶格尺寸，这在以前对我来说是不可行的，所以谢谢@咯咯地笑着说-

它实际上不起作用，你是说方法2不起作用吗？如果是的话，你是说它速度慢还是输出错误？我已经检查了性能和正确性，我指的是方法2。它给出了正确的输出，似乎和第一个方法一样快，但我仍然达到了内存限制。“我会在有时间的时候再做一些测试，我会告诉你我发现了什么。”咯咯地笑着说，“好奇的是，你的滚动法也达到了内存限制了吗？”？如果是这样的话，我想我们没有别的办法了。