为np.rot90
的代码做,在你的k=3
情况:
# k == 3
return fliplr(m.swapaxes(0, 1))
所以
In [789]: np.fliplr(ar.swapaxes(0, 1))
Out[789]:
array([[-11, 0],
...
[ -3, 8],
[ -2, 9]])
所以你
fliplr(rot90(ar, 3))
成为
np.fliplf(np.fliplr(ar.swapaxes(0, 1)))
# the flips cancel
ar.swapaxes(0,1)
# but this is just
ar.T
所以你对行动减少转。
transpose
(和swap
)只是改变阵列的.shape
和strides
属性;这是一种观点,而不是副本。
np.fliplr
也创建一个视图,与[:,::-1]
改变步伐。
原ar
:
In [818]: ar
Out[818]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[-11, -10, -9, -8, -7, -6, -5, -4, -3, -2]])
In [819]: x=np.fliplr(np.rot90(ar,3)) # your pair of actions
In [820]: x
Out[820]:
array([[ 0, -11],
[ 1, -10],
...
[ 8, -3],
[ 9, -2]])
In [821]: x[0,1]=11
In [822]: x
Out[822]:
array([[ 0, 11],
[ 1, -10],
...
[ 9, -2]])
In [823]: ar
Out[823]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 11, -10, -9, -8, -7, -6, -5, -4, -3, -2]])
更改的x
的值改变的ar
的值。尽管使用了2个功能,但x
仍然是view
的ar
。
2功能不是必需的,但它们也不是那么昂贵。我们正在谈论微秒v纳秒的时间。 (我的timeit
次在Ipython是你的小得多)
In [824]: timeit np.fliplr(np.rot90(ar,3))
100000 loops, best of 3: 8.28 µs per loop
In [825]: timeit ar.T
1000000 loops, best of 3: 455 ns per loop
'np.transpose()',别名'ar.T'。 –