Aur*_*rre 0 python optimization
对于C语言和衍生物(Python,Cython,纯C),使用最少的内存和操作将非方形M×N阵列围绕其中心旋转180°的最佳算法是什么?
现在回答这个问题相对较晚,但总比什么都不做要好。
对于形状为 的 2D numpy 数组H x W
:
rotated_array = old_array[::-1,::-1] #rotate the array 180 degrees
Run Code Online (Sandbox Code Playgroud)
对于形状为 2D numpy 图像H x W x 3
:
rotated_image = image[::-1,::-1] #rotate the image 180 degrees
Run Code Online (Sandbox Code Playgroud)
假设out
是一个初始化拷贝array
,M
和N
它们的行和列号,并且我们使用一个语言索引阵列从0到(M-1)和(N-1):
在Python中:
def rotate_180(array, M, N, out):
for i in range(M):
for j in range(N):
out[i, N-1-j] = array[M-1-i, j]
Run Code Online (Sandbox Code Playgroud)
4000×3000阵列需要5.82秒.
在使用Memviews的并行化Cython + OpenMP中:
cdef void rotate_180(float[:, :] array, int M, int N, float[:, :] out) nogil:
cdef size_t i, j
with parallel(num_threads=8):
for i in prange(M):
for j in range(N):
out[i, N-1-j] = array[M-1-i, j]
Run Code Online (Sandbox Code Playgroud)
在4000×3000阵列上需要5.45秒.
相比之下,numpy np.rot90(array, 2)
需要8.58μs.
编辑:为了避免知道所有评论,这是它的作用:
a = array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
rotate_180(a, 3, 3, b)
b = array([[9, 8, 7],
[6, 5, 4],
[3, 2, 1]])
np.rot90(a, 2)
out = array([[9, 8, 7],
[6, 5, 4],
[3, 2, 1]])
Run Code Online (Sandbox Code Playgroud)
所以这确实是180°旋转.
np.flip(a, 0)
out = array([[7, 8, 9],
[4, 5, 6],
[1, 2, 3]])
Run Code Online (Sandbox Code Playgroud)
沿着最后一行是对称的,而不是旋转.
np.flip(np.flip(a, 1), 0)
out = array([[9, 8, 7],
[6, 5, 4],
[3, 2, 1]])
Run Code Online (Sandbox Code Playgroud)
也是180°旋转.
所以,是的,谢谢你,我的代码做了它所说的.