寻找一个更高效的python numpy ravel+；重塑

我很好奇是否有更好的方法来进行裸体拉威尔+重塑。
我加载了一大堆大图像，得到了一个形状数组（num rasters，h，w），其中num rasters是图像的数量，h/w是图像的高度/宽度（大小都相同）。 我希望将数组转换为形状（h*w，num光栅）

以下是我现在的做法：

res = my_function(some_variable) #(num-rasters, h, w)

res = res.ravel(order='F').reshape((res.shape[1] * res.shape[2], res.shape[0])) #(h*w, num-rasters)

它工作得很好，但是我的'res'变量（图像堆栈）的大小是几gig，即使有一吨ram（32gig），操作也需要全部。 我很好奇，如果有任何蟒蛇或numpy专业人士有任何建议

谢谢

###############问题后编辑/跟进 首先，就地重新整形的速度比.reforma（）调用快得多……该调用可能会返回一个包含所有相关内存内容的副本。我早该知道的

在我发布后不久，我发现了“Swapax”，所以我也用它制作了一个版本：

res2 = res.swapaxes(0, 2).reshape((res.shape[1] * res.shape[2], res.shape[0]))

花了9.2秒 它只比我原来的（9.3）快了一点点。但在我的记忆过程中，只有一个明显的记忆峰值……但仍然是一个又大又慢的峰值

正如magic所建议的：

res.shape = (res.shape[0], res.shape[1]*res.shape[2])
res_T = res.T

基本上没有时间（2.4e-5秒）没有记忆尖峰。 并投掷一份副本：

res.shape = (res.shape[0], res.shape[1]*res.shape[2])
res_T = res.T.copy()

使用类似（但短暂的）内存峰值（对于副本），使操作花费0.85秒

---

对我来说，最重要的是“交换”和转置做的事情是一样的，但是你可以交换任何你想要的轴，而转置有固定的翻转方式。也很高兴看到转置在3D中的表现……这是我的主要观点……不需要再赘述了。此外，转置是就地视图。

您可以更改阵列的形状参数，从而导致就地形状更改。要知道哪些维度去了哪里有点棘手，但沿着这些思路应该可以做到：

res.shape = (res.shape[0], res.shape[1]*res.shape[2]) ## converts to num_rasters, h*w

转置它会给你一个视图（所以会有点到位），这样你就可以做了

res_T = res.T

---

据我所知，这应该不会导致内存复制。

您可以更改数组的

形状

参数，从而导致就地形状更改。我正在编写一个小的基准脚本，我将把它添加到其中。