java - Java 数组到 NumPy 数组的快速转换 (Py4J)

Question

有一些很好的示例如何将 NumPy 数组转换为 Java 数组，但反之亦然 - 如何将数据从 Java 对象转换回 NumPy 数组。我有一个这样的 Python 脚本:

    from py4j.java_gateway import JavaGateway
    gateway = JavaGateway()            # connect to the JVM
    my_java = gateway.jvm.JavaClass();  # my Java object
    ....
    int_array=my_java.doSomething(int_array); # do something

    my_numpy=np.zeros((size_y,size_x));
    for jj in range(size_y):
        for ii in range(size_x):
            my_numpy[jj,ii]=int_array[jj][ii];

my_numpy 是 Numpy 数组，int_array 是 Java 整数数组 - int[ ][ ] 类型的数组。在 Python 脚本中初始化为:

    int_class=gateway.jvm.int       # make int class
    double_class=gateway.jvm.double # make double class

    int_array = gateway.new_array(int_class,size_y,size_x)
    double_array = gateway.new_array(double_class,size_y,size_x)

虽然它按原样工作，但它不是最快的方法并且工作相当慢 - 对于 ~1000x1000 数组，转换花费了 5 分钟以上。

有什么办法可以在合理的时间内做到这一点吗？

如果我尝试:

    test=np.array(int_array)

我得到:

    ValueError: invalid __array_struct__

Answer 1

我遇到了类似的问题，并找到了一个比我测试的案例快 220 倍的解决方案:为了将一个 1628x120 的短整数数组从 Java 传输到 Numpy，运行时间从 11 秒减少到 0.05 秒。感谢this related StackOverflow question , 我开始调查 py4j byte arrays ，结果证明 py4j 有效地将 Java 字节数组转换为 Python 字节对象，反之亦然(按值传递，而不是按引用传递)。这是一种相当迂回的做事方式，但并不太难。

因此，如果你想传输一个维度为 iMaxxjMax 的整数数组 intArray(为了这个例子，我假设这些都作为实例变量存储在您的对象中)，您可以先编写一个 Java 函数将其转换为 byte[]，如下所示:

public byte[] getByteArray() {
    // Set up a ByteBuffer called intBuffer
    ByteBuffer intBuffer = ByteBuffer.allocate(4*iMax*jMax); // 4 bytes in an int
    intBuffer.order(ByteOrder.LITTLE_ENDIAN); // Java's default is big-endian

    // Copy ints from intArray into intBuffer as bytes
    for (int i = 0; i < iMax; i++) {
        for (int j = 0; j < jMax; j++){
            intBuffer.putInt(intArray[i][j]);
        }
    }

    // Convert the ByteBuffer to a byte array and return it
    byte[] byteArray = intBuffer.array();
    return byteArray;
}

然后，您可以编写 Python 3 代码来接收字节数组并将其转换为正确形状的 numpy 数组:

byteArray = gateway.entry_point.getByteArray()
intArray = np.frombuffer(byteArray, dtype=np.int32)
intArray = intArray.reshape((iMax, jMax))