Вы можете создать массив nd.complex128 1d из двух массивов np.float 1d без копирования?

Question

Настройка:

У меня есть два массива из общей памяти reals и imags:

#/usr/bin/env python2

reals = multiprocessing.RawArray('d', 10000000)
imags = multiprocessing.RawArray('d', 10000000)

, затем я делаю их numpy -массивы с именем reals2 и imags2, без какой-либо копии:

import numpy as np

reals2 = np.frombuffer(reals)
imags2 = np.frombuffer(imags)

# check if the objects did a copy
assert reals2.flags['OWNDATA'] is False
assert imags2.flags['OWNDATA'] is False

Я хотел бы затем создать np.complex128 1D-массив data, опять же без копирования данных, но я не знаю, как это сделать.

Вопросы:

Можете ли вы сделать np.complex128 1D-массив data из пары плавающих массивов, без копирования, да / нет?

Если да как?

Answer 1

Краткий ответ: нет. Но если вы контролируете отправителя, то есть решение, которое не требует копирования.

Более длинный ответ:

• из моего исследования, я не думаю, что есть способ создать numpy сложный массив из двух отдельных массивов без копирования данных
• IMO Я думаю, что вы не можете сделать это, потому что весь numpy скомпилированный код c предполагает чередование реальных данных imag

если вы контролируете отправителя, вы можете получить свои данные без каких-либо операций копирования. Вот как!

#!/usr/bin/env python2
import multiprocessing
import numpy as np

# parent process creates some data that needs to be shared with the child processes
data = np.random.randn(10) + 1.0j * np.random.randn(10)
assert data.dtype == np.complex128
# copy the data from the parent process to shared memory
shared_data = multiprocessing.RawArray('d', 2 * data.size)
shared_data[0::2] = data.real
shared_data[1::2] = data.imag
# simulate the child process getting only the shared_data
data2 = np.frombuffer(shared_data)
assert data2.flags['OWNDATA'] is False
assert data2.dtype == np.float64
assert data2.size == 2 * data.size
# convert reals to complex
data3 = data2.view(np.complex128)
assert data3.flags['OWNDATA'] is False
assert data3.dtype == np.complex128
assert data3.size == data.size
assert np.all(data3 == data)
# done - if no AssertionError then success
print 'success'

Подсказка: { ссылка } как отличная отправная точка.

Вот как выполнить ту же обработку, но с несколькими запущенными процессами и получение данных от каждого процесса и проверка возвращенных данных

#!/usr/bin/env python2
import multiprocessing
import os
# third-party
import numpy as np

# constants
# =========
N_POINTS = 3
N_THREADS = 4

# functions
# =========
def func(index, shared_data, results_dict):
    # simulate the child process getting only the shared_data
    data2 = np.frombuffer(shared_data)
    assert data2.flags['OWNDATA'] is False
    assert data2.dtype == np.float64
    # convert reals to complex
    data3 = data2.view(np.complex128)
    assert data3.flags['OWNDATA'] is False
    assert data3.dtype == np.complex128
    print '[child.pid=%s,type=%s]: %s'%(os.getpid(), type(shared_data), data3)
    # return the results in a SLOW but relatively easy way
    results_dict[os.getpid()] = np.copy(data3) * index

# the script
# ==========
if __name__ == '__main__':
    # parent process creates some data that needs to be shared with the child processes
    data = np.random.randn(N_POINTS) + 1.0j * np.random.randn(N_POINTS)
    assert data.dtype == np.complex128

    # copy the data from the parent process to shared memory
    shared_data = multiprocessing.RawArray('d', 2 * data.size)
    shared_data[0::2] = data.real
    shared_data[1::2] = data.imag
    print '[parent]: ', type(shared_data), data

    # do multiprocessing
    manager = multiprocessing.Manager()
    results_dict = manager.dict()
    processes = []
    for index in xrange(N_THREADS):
        process = multiprocessing.Process(target=func, args=(index, shared_data, results_dict))
        processes.append(process)
    for process in processes:
        process.start()
    for process in processes:
        process.join()

    # get the results back from the processes
    results = [results_dict[process.pid] for process in processes]
    # verify the values from the processes
    for index in xrange(N_THREADS):
        result = results[index]
        assert np.all(result == data * index)
    del processes

    # done
    print 'success'