我需要尽可能高效地将切片从一个大型 numpy 数组复制到另一个较小的数组。最终,较小的数组将作为二维数组传递给 C 函数进行处理。因此,必须在连续的内存块中复制子数组数据。
在下面的示例中,我试图预先分配较小的数组 (aa) 以提高效率,但我认为这会在每次迭代进行复制之前生成一个新创建的数组。
import numpy as np
M=1024
N=8
a = np.zeros((2,M),dtype=np.float32,order='C')
aa = np.zeros((2,N),dtype=np.float32,order='C')
for n in xrange(M/N):
aa = a[:,n*N:n*N+N]
#pass array to c function - e.g. foo(aa,aa.shape[0],aa.shape[1])
print aa
a[:,n*N:n*N+N] = aa
请您参考如下方法:
你想做aa[:] = a[:, n*N:n*N+N],这样来自a的数据被复制到预先存在的 aa 数组,而不是在每次迭代中创建一个新数组,然后丢弃另一个数组。
编辑 对 OP 的情况三思而后行,因为子数组是通过切片提取的,aa 不会是每次迭代中的新数组,而是对数组 a。所以它不会是连续的,这可能是比性能更重要的问题。最初分配的 aa 数组在第一次迭代中未使用时被垃圾回收。
