uint32のndarrayをuint8に変換

やったこと

入力となるuint32型のndarrayを、uint8に分割したかったので以下ようなコードを書きました。
実行すると、変数bに求めている結果が格納されます。

python3
1a = np.random.randint(100, 1000, (4, 3), dtype=np.uint32)
2b = np.frombuffer(a.tobytes(), dtype=np.uint8).reshape([4, 3, 4])

実現したいこと

もっと、スマートな書き方などあるのでしょうか？
tobytesの時点で無駄なメモリのコピーが発生していたりと、改善の余地はあるとは思っております。

行動規範の内容に同意します

回答1件

ベストアンサー

numpy配列はbytes-likeなので、tobytes()は省略して

python
1b = np.frombuffer(a, dtype=np.uint8).reshape([4, 3, 4])

とも書けます。ただし、内部的には同じか、へたするとかえって遅くなる程度ですね。

質問文のやり方はnumpyを使うのであれば最良に近いと思います。同じメモリ領域を読み替えたりするのは難しいので、そこは諦めるのが前提になります。

追記

すみません、viewで型指定すればできそうです。ただしread-onlyになりそう。

python
1>>> import numpy as np
2>>> a = np.random.randint(100, 1000, (4, 3), dtype=np.uint32)
3>>> b = np.frombuffer(a.tobytes(), dtype=np.uint8).reshape([4, 3, 4])
4>>> b
5array([[[ 67,   1,   0,   0],
6        [148,   1,   0,   0],
7        [242,   1,   0,   0]],
8
9       [[ 55,   1,   0,   0],
10        [138,   0,   0,   0],
11        [ 80,   3,   0,   0]],
12
13       [[ 66,   1,   0,   0],
14        [ 71,   3,   0,   0],
15        [100,   0,   0,   0]],
16
17       [[  3,   3,   0,   0],
18        [ 84,   3,   0,   0],
19        [134,   2,   0,   0]]], dtype=uint8)
20>>> b2 = a.view(np.uint8).reshape(4, 3, 4)
21>>> b2
22array([[[ 67,   1,   0,   0],
23        [148,   1,   0,   0],
24        [242,   1,   0,   0]],
25
26       [[ 55,   1,   0,   0],
27        [138,   0,   0,   0],
28        [ 80,   3,   0,   0]],
29
30       [[ 66,   1,   0,   0],
31        [ 71,   3,   0,   0],
32        [100,   0,   0,   0]],
33
34       [[  3,   3,   0,   0],
35        [ 84,   3,   0,   0],
36        [134,   2,   0,   0]]], dtype=uint8)
37>>> (b == b2).all()
38True
39

https://stackoverflow.com/questions/4389517/in-place-type-conversion-of-a-numpy-array

リファレンスにはけっこう怖い記述があるので、必ずしもいい方法ではないかもしれません。

For a.view(some_dtype), if some_dtype has a different number of bytes per entry than the previous dtype (for example, converting a regular array to a structured array), then the behavior of the view cannot be predicted just from the superficial appearance of a (shown by print(a)). It also depends on exactly how a is stored in memory. Therefore if a is C-ordered versus fortran-ordered, versus defined as a slice or transpose, etc., the view may give different results.