Найефективніший спосіб повернути нумерований масив

Вірите чи ні, після профілю мого поточного коду повторювана операція реверсії масивного масиву з'їла гігантський шматок часу роботи. Зараз у мене є загальний метод на основі перегляду:

reversed_arr = arr[::-1]

Чи є якийсь інший спосіб зробити це більш ефективно, чи це просто ілюзія моєї одержимості нереалістичним нудотним виконанням?

Під час створення reversed_arrви створюєте перегляд у вихідний масив. Потім ви можете змінити початковий масив, і представлення буде оновлено, щоб відобразити зміни.

Чи створюєте ви перегляд частіше, ніж потрібно? Ви повинні мати можливість зробити щось подібне:

arr = np.array(some_sequence)
reversed_arr = arr[::-1]

do_something(arr)
look_at(reversed_arr)
do_something_else(arr)
look_at(reversed_arr)

Я не нудний експерт, але це здається, що це було б найшвидшим способом робити речі в нуме. Якщо це ви вже робите, я не думаю, що ви можете вдосконалити це.

PS Чудове обговорення нудних поглядів тут:

Переглянути нумерований масив?

Як було сказано вище, a[::-1]насправді створюється лише вид, тому це операція постійного часу (і як така не потрібно більше часу, коли масив зростає). Якщо вам потрібно, щоб масив був суміжним (наприклад, тому що ви виконуєте з ним багато векторних операцій), ascontiguousarrayприблизно так само швидко, як flipupі fliplr:

Код для створення сюжету:

import numpy
import perfplot


perfplot.show(
    setup=lambda n: numpy.random.randint(0, 1000, n),
    kernels=[
        lambda a: a[::-1],
        lambda a: numpy.ascontiguousarray(a[::-1]),
        lambda a: numpy.fliplr([a])[0],
    ],
    labels=["a[::-1]", "ascontiguousarray(a[::-1])", "fliplr"],
    n_range=[2 ** k for k in range(25)],
    xlabel="len(a)",
    logx=True,
    logy=True,
)

Тому що це, здається, ще не позначено як відповідь ... Відповідь Томаса Арільдсена має бути правильним: просто використовуйте

np.flipud(your_array) 

якщо це 1d масив (масив стовпців).

З матрицями робити

fliplr(matrix)

якщо ви хочете повернути рядки і flipud(matrix)якщо ви хочете перевернути стовпці. Немає необхідності робити ваш масив 1d стовпців двовимірним масивом рядків (матриця з одним шаром None), а потім гортати його.

np.fliplr() перевертає масив зліва направо.

Зауважте, що для масивів 1d вам потрібно трохи її обдурити:

arr1d = np.array(some_sequence)
reversed_arr = np.fliplr([arr1d])[0]

Розкрию попередню відповідь про np.fliplr(). Ось якийсь код, який демонструє побудову 1d масиву, перетворення його на 2d масив, гортання його, а потім перетворення назад у 1d масив. time.clock()буде використовуватися для збереження часу, який представлений у секундах.

import time
import numpy as np

start = time.clock()
x = np.array(range(3))
#transform to 2d
x = np.atleast_2d(x)
#flip array
x = np.fliplr(x)
#take first (and only) element
x = x[0]
#print x
end = time.clock()
print end-start

З повідомленням про друк без коментарів:

[2 1 0]
0.00203907123594

З коментарем друку прокоментували:

5.59799927506e-05

Тож, з точки зору ефективності, я вважаю це пристойним. Для тих із вас, хто любить це робити в один рядок, ось ця форма.

np.fliplr(np.atleast_2d(np.array(range(3))))[0]

Розкриваючи те, що сказали інші, я наведу короткий приклад.

Якщо у вас 1D масив ...

>>> import numpy as np
>>> x = np.arange(4) # array([0, 1, 2, 3])
>>> x[::-1] # returns a view
Out[1]: 
array([3, 2, 1, 0])

Але якщо ви працюєте з 2D-масивом ...

>>> x = np.arange(10).reshape(2, 5)
>>> x
Out[2]:
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

>>> x[::-1] # returns a view:
Out[3]: array([[5, 6, 7, 8, 9],
               [0, 1, 2, 3, 4]])

Це насправді не повертає Матрицю.

Слід використовувати np.flip, щоб фактично змінити елементи

>>> np.flip(x)
Out[4]: array([[9, 8, 7, 6, 5],
               [4, 3, 2, 1, 0]])

Якщо ви хочете друкувати елементи матриці один за одним, використовуйте плоскі разом із фліп

>>> for el in np.flip(x).flat:
>>>     print(el, end = ' ')
9 8 7 6 5 4 3 2 1 0

Для того, щоб він працював з від’ємними числами та довгим списком, ви можете зробити наступне:

b = numpy.flipud(numpy.array(a.split(),float))

Де фліпуд - для 1d arra