求更高效的python numpy ravel+reshape

Question

我很好奇是否有更好的方法来进行 numpy ravel+reshape。
我加载了一大堆大图像并得到一个形状数组（num-rasters，h，w），其中 num-rasters 是图像的数量，h/w 是图像的高度/宽度（它们都是相同的尺寸）。 我希望将数组转换为形状（h*w，num-rasters）

这是我现在的做法：

res = my_function(some_variable) #(num-rasters, h, w)

res = res.ravel(order='F').reshape((res.shape[1] * res.shape[2], res.shape[0])) #(h*w, num-rasters)

它工作正常，但我的“res”变量（图像堆栈）有几个 Gigs 大小，即使有大量 ram（32Gigs），操作也需要全部。 我很好奇是否有任何 pythonistas 或 numpy 专业人士有任何建议。

谢谢！

############### 发布问题编辑/跟进

首先，就地重塑最终比 .reshap() 调用快得多……这可能会返回一个包含所有相关内存内容的副本。我应该更清楚这一点。

在我发布后不久，我发现了“swapaxes”http://docs.scipy.org/doc/numpy/reference/generated/numpy.swapaxes.html，所以我也用它制作了一个版本：

res2 = res.swapaxes(0, 2).reshape((res.shape[1] * res.shape[2], res.shape[0]))

耗时 9.2 秒 它只比我原来的（9.3）快一点。但是在我的进程中只有一个可识别的内存峰值......但仍然是一个大而缓慢的峰值。

如魔法所暗示的那样：

res.shape = (res.shape[0], res.shape[1]*res.shape[2])
res_T = res.T

基本上没有时间（2.4e-5 秒）没有内存峰值。 并扔一份副本：

res.shape = (res.shape[0], res.shape[1]*res.shape[2])
res_T = res.T.copy()

使操作耗时 0.85 秒，并出现类似（但短暂的）内存峰值（用于副本）。

对我来说，“swapaxes”的作用与转置相同，但您可以交换任何想要的轴，而转置有其固定的翻转方式。也很高兴看到转置在 3-d 中的行为方式......这对我来说是重点......不需要解开。此外，转置是一个就地视图。

Answer 1

您可以更改数组的形状参数，从而导致就地形状更改。判断哪个维度去哪里有点棘手，但沿着这些思路应该可以工作：

res.shape = (res.shape[0], res.shape[1]*res.shape[2]) ## converts to num_rasters, h*w

转置它会给你一个视图（这样会有点到位），所以你可以这样做

res_T = res.T

据我所知，这应该不会导致内存复制。