有什么办法能让这个矮胖的操作更快吗？

Question

我正在尝试从API复制原始图像数据。数据是可迭代的，或者可以使用切片([:])。图像数据约为2000 x 2000 px。它是一个灰度浮点阵列，存储在一维。这就是我现在使用的：

imageData = np.fromiter(rawImageData, dtype=np.float32, count=width*height)

将数据复制到numpy数组大约需要2-3秒。是否有更快的方法来复制/塑造数据？

附加信息：，我以前尝试过使用np.asarray。它使它更快，但与线程冲突，如果尝试在主线程中执行任何操作，而操作是在一个单独的线程中完成的，那么程序就会崩溃。

Answer 1

我正在测试一个用枕头打开的7200×4800的.bmp图像。

In [26]: %timeit np.array(im)
1 loops, best of 3: 222 ms per loop

In [27]: %timeit np.asarray(im)
10 loops, best of 3: 156 ms per loop

转换到float32需要一个副本，这需要一些时间，但可以节省内存：

In [39]: %timeit np.array(im, dtype=np.float32)
1 loops, best of 3: 444 ms per loop

In [40]: %timeit np.asarray(im, dtype=np.float32)
1 loops, best of 3: 543 ms per loop

fromiter需要一个一维数组，所以让我们只抓取R(我的图像是彩色的)：

In [49]: %timeit np.fromiter(im.getdata(0), dtype=np.float32, count=7200*4800)
1 loops, best of 3: 2.49 s per loop

噢，还有2-3秒。原因是迭代器对于numpy来说是一个非常不透明的东西，它喜欢非常结构化的东西。因此，它必须马上推断出正在发生的事情，而且效率要低得多。所以，使用前两个函数中的一个，看看它们是否有效。