python - 添加 numpy 数组时避免溢出

Question

我想添加数据类型为 uint8 的 numpy 数组。我知道这些数组中的值可能大到足以发生溢出。所以我得到类似的东西:

a = np.array([100, 200, 250], dtype=np.uint8)
b = np.array([50, 50, 50], dtype=np.uint8)
a += b

现在，a 是 [150 250 44]。但是，我想要的不是溢出，而是对于 uint8 来说太大的值是 uint8 允许的最大值。所以我想要的结果是 [150 250 255]。

我可以用下面的代码得到这个结果:

a = np.array([100, 200, 250], dtype=np.uint8)
b = np.array([50, 50, 50], dtype=np.uint8)
c = np.zeros((1,3), dtype=np.uint16)
c += a
c += b
c[c>255] = 255
a = np.array(c, dtype=np.uint8)

问题是，我的数组非常大，因此创建具有更大数据类型的第三个数组可能是内存问题。是否有一种快速且内存效率更高的方法来实现所描述的结果？

Answer 1

您可以通过创建第三个 dtype uint8 数组和一个 bool 数组(它们一起比一个 uint16 数组的内存效率更高) 来实现这一点。

np.putmask对于避免临时数组很有用。

a = np.array([100, 200, 250], dtype=np.uint8)
b = np.array([50, 50, 50], dtype=np.uint8)
c = 255 - b  # a temp uint8 array here
np.putmask(a, c < a, c)  # a temp bool array here
a += b

---

但是，正如@moarningsun 正确指出的那样，bool 数组占用的内存量与 uint8 数组相同，因此这不一定有用。可以通过避免在任何给定时间拥有多个临时数组来解决此问题:

a = np.array([100, 200, 250], dtype=np.uint8)
b = np.array([50, 50, 50], dtype=np.uint8)
b = 255 - b  # old b is gone shortly after new array is created
np.putmask(a, b < a, b)  # a temp bool array here, then it's gone
a += 255 - b  # a temp array here, then it's gone

这种方法用内存消耗换取 CPU。

---

另一种方法是预先计算所有可能的结果，这是 O(1) 的额外内存(即独立于数组的大小):

c = np.clip(np.arange(256) + np.arange(256)[..., np.newaxis], 0, 255).astype(np.uint8)
c
=> array([[  0,   1,   2, ..., 253, 254, 255],
          [  1,   2,   3, ..., 254, 255, 255],
          [  2,   3,   4, ..., 255, 255, 255],
          ..., 
          [253, 254, 255, ..., 255, 255, 255],
          [254, 255, 255, ..., 255, 255, 255],
          [255, 255, 255, ..., 255, 255, 255]], dtype=uint8)

c[a,b]
=> array([150, 250, 255], dtype=uint8)

如果您的数组非常大，这种方法是最节省内存的。同样，它的处理时间很昂贵，因为它用较慢的 2dim 数组索引代替了超快的​​整数加法。

它是如何工作的解释

上面c 数组的构造使用了numpy 广播技巧。添加形状数组 (N,) 和形状数组 (1,N) 都广播为 (N,N)-like ，因此结果是所有可能总和的 NxN 数组。然后，我们剪辑它。我们得到一个 2dim 数组满足:c[i,j]=min(i+j,255) for each i,j.

然后剩下的就是使用花哨的索引来获取正确的值。使用您提供的输入，我们可以访问:

c[( [100, 200, 250] , [50, 50, 50] )]

第一个索引数组引用第一个暗淡，第二个索引数组引用第二个暗淡。因此，结果是一个与索引数组 ((N,)) 具有相同形状的数组，由值 [ c[100,50] 、 c[200,50] 、 c[250,50] ].