有效地将 3d 数组中的值连接到 2d 数组答案

【问题标题】：Concatenating values in a 3d array to 2d array efficiently有效地将 3d 数组中的值连接到 2d 数组
【发布时间】：2021-06-04 09:12:07
【问题描述】：

我有一个 3 维数组 A，我想对其中一个轴上的值求和并创建一个包含总和的二维数组。

这可以通过使用循环遍历 3d 数组来简单地完成，但这样做非常慢。

A = np.sum(A,axis=0) 可以比幼稚的方式快得多，但是有更快的方法吗？

我在 Matlab 中发现了这个答案：https://www.mathworks.com/matlabcentral/answers/3643-efficiently-converting-a-3d-matrix-to-a-2d-matrix

我想知道在 Python 中是否有类似的有效方法。

以下是我正在寻找的：

A = np.ones((3, 3, 3))

# numpy magic ...

print (A)

/**********
* [3, 3, 3],
* [3, 3, 3],
* [3, 3, 3]
***********/

【问题讨论】：

你附加的matlab线程只是连接，你说你想沿轴求和，在numpy中我很确定np.sum将是最快的解决方案。如果要复制matlab代码，可以使用np.transpose和np.reshape

标签： python arrays numpy numpy-ndarray

【解决方案1】：

您可以使用np.sum() 沿指定轴对值求和，这可以作为降维函数

a = np.ones((3, 3, 3))
np.sum(a, axis=2) # sums along "channels" axis
np.sum(a, axis=1) # sums along "columns" axis
np.sum(a, axis=0) # sums along "rows" axis

【讨论】：

这对回答问题没有任何帮助。
现在看起来可能是这样，但在我发布答案后，在关于 np.sum 的部分中进行了编辑

【解决方案2】：

我认为最好的办法是使用方法ndarray.sum 而不是np.sum。内部处理将是相同的，但是当您使用该方法时，您不需要检查传入的对象是否已经是一个数组并可能转换它。话虽如此，开销的差异非常小。

内部循环已经用 C 语言编写并尽可能优化。我能想到的唯一额外改进是沿连续轴求和总是最快的。您可以使用 np.moveaxis 后跟 copy 之类的东西来确保这一点，以保证连续性：

def fastsum(x, axis):
    if x.strides[axis] != x.itemsize:
        x = np.moveaxis(x, axis, -1).copy(order="C")
        axis = -1
    return x.sum(axis)

这个功能不是很有效。对于小型数组，任何收益都可能被 python 和 numpy 对象协议的开销所淹没。最好的办法是确保以正确的顺序生成数组，然后在 C 连续数组上使用 x.sum(-1) 或在 Fortran 连续数组上使用 x.sum(0)。

【讨论】：