最適化配列要素シフトのPython/numpyの

Question

問題：

私が書かれているデータ解析コードのラインプロファイリングを実行した後、私は、総運転時間の約70％がへの呼び出しに集中していることを見出しました2つの異なる配列操作ルーチン。私は最終的にはリアルタイムでデータを分析したいので、ここでの最適化は大幅に役立ちます。

二つの機能は左側にマトリックスを取り、右のフォーム（およびその逆）にそれをもたらします。

私が興味を持っている行列は、現在、N×N個のnumpy配列（Nは偶数）で格納されています。

コード：

私はこれを達成するために、次のコードを書かれている：

# Shifts elements of a vector to the left by the given amount. 
def Vec_shift_L(vec, shift=0): 
    s = vec.size 
    out = np.zeros(s, dtype=complex) 
    out[:s-shift] = vec[shift:] 
    out[s-shift:] = vec[:shift] 
    return out 

# Shifts elements of a vector to the right by the given amount. 
def Vec_shift_R(vec,shift=0): 
    s=vec.size 
    out=np.zeros(s, dtype=complex) 
    out[:shift] = vec[s-shift:] 
    out[shift:] = vec[:s-shift] 
    return out 

# Shifts a matrix from the left form (above) to the right form. 
def OP_Shift(Trace): 
    s = Trace.shape 
    Out = np.zeros(s, dtype=complex) 

    for i in np.arange(s[0]): 
     Out[i,:] = Vec_shift_L(Trace[i,:], (i+s[0]/2) % s[0]) 

    for i in np.arange(s[0]): 
     Out[i,:] = np.flipud(Out[i,:]) 

    return Out 

# Shifts a matrix from the right form (above) to the left form. 
def iOP_Shift(Trace): 
    s = Trace.shape 
    Out = np.zeros(s, dtype=complex) 
    for i in np.arange(s[0]): 
     Out[i,:] = np.flipud(Trace[i,:]) 

    for i in np.arange(s[0]): 
     Out[i,:] = Vec_shift_R(Out[i,:], (i+s[0]/2) % s[0]) 

    return Out 

もともとこれを書いたとき、私はnumpyののロール機能を知らなかったので、私はその中でvec_shift機能を書いていました場所。私の現在のシステムでロールを使用すると、パフォーマンスは〜30％向上しているようです。

さらにこのコードのパフォーマンスを向上させる方法はありますか？

Answer 1

NumPy broadcastingは、ベクトル化されたソリューションに役立ちます。

# Store shape of input array 
s = Trace.shape 

# Store arrays corresponding to row and column indices 
I = np.arange(s[0]) 
J = np.arange(s[1]-1,-1,-1) 

# Store all iterating values in "(i+s[0]/2) % s[0]" as an array 
shifts = (I + s[0]/2)%s[0] 

# Calculate all 2D linear indices corresponding to 2D transformed array 
linear_idx = (((shifts[:,None] + J)%s[1]) + I[:,None]*s[1]) 

# Finally index into input array with indices for final output 
out = np.take(Trace,linear_idx)