numpy.memmap from numpy operations

Question

我正在使用从大图像文件创建的相当大的数组。 我遇到了使用太多内存的问题，并决定尝试使用numpy.memmap数组而不是标准numpy.array。 我能够创建一个memmap并将数据从我的图像文件以块的形式加载到其中，但我不确定如何将操作的结果加载到memmap中。

例如，我的图像文件以二进制整数数组的形式读入numpy。 我编写了一个函数，该函数通过指定数量的单元格缓冲(扩展(True单元格的任何区域。 此函数使用 array.astype(bool) 将输入数组转换为Boolean。 如何使array.astype(bool)创建的新Boolean数组成为numpy.memmap数组？

此外，如果有一个True单元格靠近输入数组的边缘，而不是指定的缓冲距离，则该函数将在数组的边缘添加行和/或列，以允许在现有True单元格周围有一个完整的缓冲区。 这将更改数组的形状。 是否可以改变numpy.memmap的形状？

这是我的代码：

def getArray(dataset):
    '''Dataset is an instance of the GDALDataset class from the
    GDAL library for working with geospatial datasets
    '''
    chunks = readRaster.GetArrayParams(dataset, chunkSize=5000)
    datPath = re.sub(r'.w+$', '_temp.dat', dataset.GetDescription())
    pathExists = path.exists(datPath)
    arr = np.memmap(datPath, dtype=int, mode='r+',
                    shape=(dataset.RasterYSize, dataset.RasterXSize))
    if not pathExists:
        for chunk in chunks:
            xOff, yOff, xWidth, yWidth = chunk
            chunkArr = readRaster.GetArray(dataset, *chunk)
            arr[yOff:yOff + yWidth, xOff:xOff + xWidth] = chunkArr
    return arr
def Buffer(arr, dist, ring=False, full=True):
    '''Applies a buffer to any non-zero raster cells'''
    arr = arr.astype(bool)
    nzY, nzX = np.nonzero(arr)
    minY = np.amin(nzY)
    maxY = np.amax(nzY)
    minX = np.amin(nzX)
    maxX = np.amax(nzX)
    if minY - dist < 0:
        arr = np.vstack((np.zeros((abs(minY - dist), arr.shape[1]), bool),
                         arr))
    if maxY + dist >= arr.shape[0]:
        arr = np.vstack((arr,
                         np.zeros(((maxY + dist - arr.shape[0] + 1), arr.shape[1]), bool)))
    if minX - dist < 0:
        arr = np.hstack((np.zeros((arr.shape[0], abs(minX - dist)), bool),
                         arr))
    if maxX + dist >= arr.shape[1]:
        arr = np.hstack((arr,
                         np.zeros((arr.shape[0], (maxX + dist - arr.shape[1] + 1)), bool)))
    if dist >= 0: buffOp = binary_dilation
    else: buffOp = binary_erosion
    bufDist = abs(dist) * 2 + 1
    k = np.ones((bufDist, bufDist))
    bufArr = buffOp(arr, k)
    return bufArr.astype(int)

Answer 1

让我试着回答你问题的第一部分。 将结果加载到 memmap 数据存储中。

注意，我将假设磁盘上已经有一个memmap文件 - 它将是输入文件。 称为MemmapInput，创建如下：

fpInput = np.memmap('MemmapInput', dtype='bool', mode='w+', shape=(3,4))
del fpInput
fpOutput = np.memmap('MemmapOutput', dtype='bool', mode='w+', shape=(3,4))
del fpOutput

在您的情况下，输出文件可能不存在，但根据文档：'r+' 打开现有文件进行读写。

'w+' 创建或覆盖现有文件以进行读取和写入。

所以第一次创建memmap文件时，它必须带有"w+"，之后要修改/覆盖文件，请使用"r+"，可以使用"r"获得只读副本。 有关详细信息，请参阅 http://docs.scipy.org/doc/numpy/reference/generated/numpy.memmap.html。

现在我们将读取此文件并对其执行一些操作。重点是要将结果加载到memamp文件中，必须首先创建memmap文件并将其附加到文件中。

fpInput = np.memmap('MemmapInput', dtype='bool', mode='r', shape=(3,4))
fpOutput = np.memmap('MemmapOutput', dtype='bool', mode='r+', shape=(3,4))

对 fpOutput 内存映射文件做任何你想做的事情，例如：

i,j = numpy.nonzero(fpInput==True)
for indexI in i:
  for indexJ in j:
    fpOutput[indexI-1,indexJ] = True
    fpOutput[indexI, indexJ-1] = True
    fpOutput[indexI+1, indexJ] = True
    fpOutput[indexI, indexJ+1] = True