python - 快速 numpy 花式索引

Question

我用于切片 numpy 数组(通过花式索引)的代码非常慢。目前是程序瓶颈。

a.shape
(3218, 6)

ts = time.time(); a[rows][:, cols]; te = time.time(); print('%.8f' % (te-ts));
0.00200009

获取由矩阵 a 的行“rows”和列“col”的子集组成的数组的正确 numpy 调用是什么？ (其实我需要这个结果的转置)

Answer 1

让我尝试总结 Jaime 和 TheodrosZelleke 的出色答案并加入一些评论。

1. Advanced (fancy) indexing总是返回副本，从不返回 View 。
2. a[rows][:,cols] 意味着 两个 奇特的索引操作，因此创建了一个中间副本 a[rows] 并丢弃。方便易读，但效率不高。此外请注意，[:,cols] 通常会从 C-cont 生成 Fortran 连续副本。来源。
3. a[rows.reshape(-1,1),cols] 是一个高级索引表达式，它基于 rows.reshape(-1,1) 和 cols 是 broadcast达到预期结果的形状。

4. 一个普遍的经验是在扁平数组中建立索引比花式索引更有效，所以另一种方法是

   indx = rows.reshape(-1,1)*a.shape[1] + cols
   a.take(indx)
   

   或

   a.take(indx.flat).reshape(rows.size,cols.size)
   

5. 效率将取决于内存访问模式以及起始数组是 C 数还是 Fortran 连续数组，因此需要进行实验。

6. 只有在真正需要时才使用花哨的索引:basic slicing a[rstart:rstop:rstep, cstart:cstop:cstep] 返回一个 View (虽然不是连续的)并且应该更快!