我正在寻找最节省内存的方法来计算复杂numpy ndarray的绝对平方值
arr = np.empty((250000, 150), dtype='complex128') # common size
我还没有找到一个完全可以做到的ufunc np.abs()**2.
由于该大小和类型的数组占用大约半GB,我正在寻找一种主要的内存效率方式.
我也希望它是可移植的,所以理想情况下是ufuncs的一些组合.
到目前为止,我的理解是,这应该是最好的
result = np.abs(arr)
result **= 2
它将不必要地计算(**0.5)**2,但应该**2就地计算.总的来说,峰值内存要求只是原始数组大小+结果数组大小,应该是1.5*原始数组大小,因为结果是真实的.
如果我想摆脱无用的**2电话,我必须做这样的事情
result = arr.real**2
result += arr.imag**2
但如果我没有记错,这意味着我将不得不为分配内存都实部和虚部的计算,因此峰值内存使用量是2.0*原始数组的大小.这些arr.real属性还返回一个非连续的数组(但这个问题不太重要).
有什么我想念的吗？有没有更好的方法来做到这一点？
编辑1:我很抱歉没有说清楚,我不想覆盖arr,所以我不能用它作为出来.