反转numpy数组的最有效方法

信不信由你，在分析当前代码后，执行numpy数组还原的重复操作将占用大量运行时间。我现在拥有的是基于视图的常见方法：

reversed_arr = arr[::-1]

还有其他方法可以更有效地执行此操作，还是我对不切实际的numpy性能的痴迷所致的幻觉？

创建时，reversed_arr您正在创建原始数组的视图。然后，您可以更改原始数组，并且视图将更新以反映所做的更改。

您是否经常需要重新创建视图？您应该能够执行以下操作：

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

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

我不是numpy专家，但这似乎是用numpy做事情的最快方法。如果这是您已经在做的，我认为您无法对此进行改进。

PS这里很好的numpy视图讨论：

查看到一个numpy的数组？

如上所述，a[::-1]实际上仅创建一个视图，因此它是一个恒定时间的操作（因此，随着数组的增长，它不需要花费更长的时间）。如果您需要数组是连续的（例如，因为您要对其执行许多矢量运算），ascontiguousarray则其速度大约与flipup/ 一样快fliplr：

生成绘图的代码：

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,
)

因为这似乎还没有被标记为答案……托马斯·阿里德森的答案应该是正确的：只使用

np.flipud(your_array) 

如果是一维数组（列数组）。

用matrizs做

fliplr(matrix)

如果您想反转行和flipud(matrix)想要反转列。无需将一维列数组设置为二维行数组（具有一个“无”层的矩阵），然后对其进行翻转。

np.fliplr() 左右翻转数组。

请注意，对于一维数组，您需要进行一些技巧：

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

我将在前面有关的答案上进行扩展np.fliplr()。下面的代码演示了如何构建一个1d数组，将其转换为2d数组，翻转它，然后再转换回1d数组。time.clock()将用于保留时间，以秒为单位。

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

带有未打印注释的注释：

[2 1 0]
0.00203907123594

随着打印语句注释掉：

5.59799927506e-05

因此，就效率而言，我认为这很不错。对于那些热爱一线做的人，这里就是这种形式。

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

扩展别人的说法，我将举一个简短的例子。

如果您有一维数组...

>>> 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])

但是如果您正在使用2D阵列...

>>> 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]])

这实际上并不会反转矩阵。

应该使用np.flip实际反转元素

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

如果要一张一张地打印矩阵的元素，请同时使用平面和翻转

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

为了使它可以使用负数和长列表，您可以执行以下操作：

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

凡翻页是一维arra