如何高效将numpy一维数组按列优先重新排序？

对于长度为n*m的Numpy一维数组，要实现按列优先重排，你可以直接利用ravel()或flatten()方法的order='F'参数，这比「重塑、转置、扁平化」的组合更直接高效：

• 最优高效方案（优先推荐）：

  x = x.reshape(n, m).ravel(order='F')
  

  reshape是O(1)操作（仅调整数组的形状视图，不复制数据），ravel(order='F')会按列优先（Fortran顺序）展开数组，在内存布局允许的情况下会返回原数组的视图，几乎没有额外开销。

• 需要独立副本的场景：
  如果需要确保返回结果是独立于原数组的副本（避免修改结果影响原数组），可以用：

  x = x.reshape(n, m).flatten(order='F')
  

  flatten()无论数组内存布局如何，都会返回新的副本，适合需要单独操作重排后数据的场景。

示例验证 #

import numpy as np
x = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8])
n, m = 3, 3

# 执行重排
x_reordered = x.reshape(n, m).ravel(order='F')
print(x_reordered)  # 输出: [0 3 6 1 4 7 2 5 8]

效率对比 #

原方案x.reshape(n, m).T.flatten()需要先转置数组（可能产生额外副本）再扁平化，而直接指定order='F'的展开操作跳过了转置步骤，减少了内存操作开销，在处理大型数组时效率优势更明显。

内容的提问来源于stack exchange，提问作者Xanshiz