これら二つのNumPyの二次元配列の実装の違いを教えてください

Question

numpyの二次元配列の実装の仕方の違いを教えてください

a1 = np.arange(9).reshape(3, -3)
a1 = np.arange(9).reshape(3, 3)

この二つの違いを教えていただきたいです。また、これらを書き分ける必要はあるのでしょうか？

よろしくお願いします

Answer 1

前者は仕様上は本来認められていない呼び出し方で、reshape(3, -1) と書くべきです。

#####newshape : int or tuple of ints

The new shape should be compatible with the original shape. If an integer, then the result will be a 1-D array of that length.
One shape dimension can be -1. In this case, the value is inferred from the length of the array and remaining dimensions.

引用元： numpy.reshape — NumPy v1.17 Manual 太字は引用者

以降、質問を少し読み替えた上で回答します。

本題

この二つの違いについての質問ですね。

a1 = np.arange(9).reshape(3, -1)
a2 = np.arange(9).reshape(3, 3)

結果だけ言えば、どちらも変わりません。
前者は未定の値を決定する余計な処理を介しますが、測定してもほとんど差は出ません。

import timeit
import numpy as np


def reshape1(arr):
    arr.reshape(3, -1)

def reshape2(arr):
    arr.reshape(3, 3)
    

src_arr = np.arange(9)
print(
    '(3, -1):', timeit.timeit(lambda: reshape1(src_arr), number=1_000_000)
)
print(
    '(3,  3):', timeit.timeit(lambda: reshape2(src_arr), number=1_000_000)
)

実行結果 paiza.io

(3, -1): 0.3540483240503818
(3,  3): 0.34941665700171143

分かり易いと思う方を使えば良いのではないでしょうか。

なぜ reshape(3, -3) でも動作するか？

実装で dimensions[i] == -1 ではなく dimensions[i] < 0 が判定に用いられているから。

for (i = 0; i < n; i++) {

if (dimensions[i] < 0) {
    if (i_unknown == -1) {
        i_unknown = i;
    }
    else {
        PyErr_SetString(PyExc_ValueError,
                        "can only specify one unknown dimension");
        return -1;
    }
}
else if (npy_mul_with_overflow_intp(&s_known, s_known,
                                    dimensions[i])) {
    raise_reshape_size_mismatch(newshape, arr);
    return -1;
}

}

if (i_unknown >= 0) {

if (s_known == 0 || s_original % s_known != 0) {
    raise_reshape_size_mismatch(newshape, arr);
    return -1;
}
dimensions[i_unknown] = s_original / s_known;

}

numpy/shape.c at v1.17.4 · numpy/numpy · GitHub

Comments

[OkomekO]

なるほど！確かに-1としていた部分を-2でも-400でも同様の結果が得られました。
補足説明ありがとうございました！