代码之家 › 专栏 › 技术社区 › Minsky

对于具有Dask阵列和/或h5py的环路

h5py dask numpy python

Minsky · 技术社区 · 6 年前

我有一个超过一亿行数据的时间序列。我正试图重塑它,以包括一个时间窗口。我的示例数据是形状(79499,9),我正在尝试将其重塑为(79979,10,9)。以下for循环在numpy中运行良好。

def munge(data, backprop_window):
    result = []
    for index in range(len(data) - backprop_window):
       result.append(data[index: index + backprop_window])
    return np.array(result)

X_train = munge(X_train, backprop_window)

我尝试了dask的一些变体,但它们似乎都挂起了,没有给出任何错误消息,包括:

import h5py
import dask.array as da
f1 = h5py.File("data.hdf5")
X_train = f1.create_dataset('X_train',data = X_train, dtype='float32') 
x = da.from_array(X_train, chunks=(10000, d.shape[1]))
result = x.compute(munge(x, backprop_window))

任何明智的想法都值得赞赏。

1 回复 | 直到 6 年前

chrisb 6 年前

这并不一定能解决dask问题,但作为一种更快的替代方案 munge ,你可以用numpy的 stride_tricks 在数据中创建滚动视图(基于示例 here ).

def munge_strides(data, backprop_window):
    """ take a rolling view into array by manipulating strides """
    from numpy.lib.stride_tricks import as_strided
    new_shape = (data.shape[0] - backprop_window,
                 backprop_window,
                 data.shape[1])
    new_strides = (data.strides[0], data.strides[0], data.strides[1])
    return as_strided(data, shape=new_shape, strides=new_strides)

X_train = np.arange(100).reshape(20, 5)

np.array_equal(munge(X_train, backprop_window=3),
               munge_strides(X_train, backprop_window=3))
Out[112]: True

as_strided 需要非常小心地使用-这是一种“高级”功能,不正确的参数很容易导致出现分段故障-请参阅 docstring