如何在没有 O(n) 内存复制的情况下循环移动 numpy 数组？

问题描述

简短版本：

如何在没有 O(n) 内存复制的情况下做到这一点

    start  = 2            # \/ start points here 
    input  = np.array([4,5,1,2,3])
    output = np.array([1,3,4,5]) # output doesn't need to be memory contiguous,a view is just fine

长版：

我正在尝试基于 numpy.ndarray 实现一个固定长度的 FIFO 缓冲区，用于硬件模拟。
我的目标是实现 O(1)（或至少小于 O(n)）的入队/出队，最重要的是：以正确的顺序获取 numpy 数组。

我最终使用一个指针 start 来指向 FIFO 的第一个元素，因此入队/出队只是快速的单一分配/索引。
但问题是，当我想将整个 FIFO 用作 numpy.ndarray 并进行一些数学运算（如 np.dot(signal,fifo)）时，我无法找到一种无需 O(n) 操作即可获得相应数组的方法。

这听起来像是一个已经发明的轮子，所以我在网上搜索并尝试了一些东西，但这些都不适合我的需要：

• input[1:] = input[:-1]; input[0] = new_val 迄今为止最简单但最有效的方法，但仍然是 O(n)
• collection.deque：入队/出队性能良好，但与其他 numpy 数组一起工作需要很长时间（似乎 numpy 会先将 deque 转换为 numpy.ndarray，然后进行数学运算，这将花费很多时间）
• indexing: input[np.arange(start,start+size)%size] 这是高级索引，因此它返回新数组，而索引数组创建部分使它更慢
• np.r_[input[start:],input[:start]]，当缓冲区很大时比索引更好，但仍然是 O(n)
• np.roll(input,-start)，O(n) 和更慢
• np.concatenate([input[start:],input[:start]])，O(n)，比naive方式慢但比其他方式快

由于原始数组是连续的，所以我也尝试使用 strides/shape 技巧来创建原始数组的视图，但两者都不起作用。

所以我是来这里寻求帮助的，还是必须是 O(n)？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）