python - numpy.transpose 是否在内存中重新排序数据？

Question

为了加速 np.std、np.sum 等函数沿 n 维巨大 numpy 数组的轴，建议沿最后一个轴应用。

当我这样做时，np.transpose 将我要操作的轴旋转到最后一个轴。它真的是在重新排列内存中的数据，还是只是改变轴的寻址方式？

当我尝试使用 %timeit 测量时间时。它在微秒内完成了这个转置，(比复制我拥有的 (112x1024x1024) 数组所需的时间小得多。

如果它实际上不是对内存中的数据重新排序而只是更改寻址，那么当应用于新旋转的最后一个轴时，它是否仍会加速 np.sum 或 np.std？

当我尝试测量它时，我似乎确实加快了速度。但我不明白。

更新

转置似乎并没有真正加快速度。最快的轴在按 C 顺序排列时是最后一个，在按 Fortran 顺序排列时是第一个。所以在应用 np.sum 或 np.std 之前转置是没有意义的。 对于我的特定代码，我通过在数组创建期间给出 order='FORTRAN' 解决了这个问题。这使得第一个轴最快。

谢谢大家的回答。

Answer 1

Transpose 只是改变了 strides ，它不会触及实际的数组。我认为为什么建议沿最终轴 sum 等的原因(我想看看它的来源，顺便说一句。)是当数组按 C 排序时，沿着最终轴走axis 保留引用位置。转置后情况就不同了，因为转置后的数组将按 Fortran 顺序排列。