python優化——善用numpy api

原來的代碼是這樣的：

# write shape first
s = frame.shape # frame是用cv2從視頻中讀出來的圖片，類型：numpy.ndarray
buf = [0 for i in range(s[0] * s[1] + 8)] # 創建一個buffer
self.int_bytes(s[0], buf, 0, 4) # 把圖片寬度寫入buffer
self.int_bytes(s[1], buf, 4, 4) # 把圖片高度寫入buffer
count = 8
# write data
for i in range(s[0]):
	for j in range(s[1]):
		buf[count] = frame[i][j] # 把frame從二維數組轉成一維數組，寫入buffer
		count += 1
buf = bytes(buf) # 把buffer從整型數組轉成bytes
self.write(buf) # write這個函數通過ctypes綁定到了一個動態鏈接庫上

跑了一下發現這段代碼及其耗時，我覺得主要問題在於創建buffer和把frame拷貝到buffer這兩個地方，於是嘗試用numpy的api來優化一下：

s = frame.shape
# write shape
buf = bytearray(8)
self.int_bytes(s[0], buf, 0, 4)
self.int_bytes(s[1], buf, 4, 4)
self.write(buf)
# write data
data = frame.reshape(s[0] * s[1]).tostring()
self.write(data)

不僅簡潔多了，性能也指數級上升！
首先我把buf從整型數組換成了bytearray（可以修改的bytes），並且只用它存儲圖片大小信息——8個字節。
其次把frame從二維數組轉成一維數組我使用了reshape這個api，我覺得reshape操作是不會修改數據本身、只會修改數組的元信息（如果我實現我會這麼做），所以免去了第一個版本中的拷貝操作。
最後，在同樣的場景下測試，第一個版本跑一次要1秒多，第二個版本只要1毫秒左右。Nice！