python优化——善用numpy api

原来的代码是这样的：

# write shape first
s = frame.shape # frame是用cv2从视频中读出来的图片，类型：numpy.ndarray
buf = [0 for i in range(s[0] * s[1] + 8)] # 创建一个buffer
self.int_bytes(s[0], buf, 0, 4) # 把图片宽度写入buffer
self.int_bytes(s[1], buf, 4, 4) # 把图片高度写入buffer
count = 8
# write data
for i in range(s[0]):
	for j in range(s[1]):
		buf[count] = frame[i][j] # 把frame从二维数组转成一维数组，写入buffer
		count += 1
buf = bytes(buf) # 把buffer从整型数组转成bytes
self.write(buf) # write这个函数通过ctypes绑定到了一个动态链接库上

跑了一下发现这段代码及其耗时，我觉得主要问题在于创建buffer和把frame拷贝到buffer这两个地方，于是尝试用numpy的api来优化一下：

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)

不仅简洁多了，性能也指数级上升！
首先我把buf从整型数组换成了bytearray（可以修改的bytes），并且只用它存储图片大小信息——8个字节。
其次把frame从二维数组转成一维数组我使用了reshape这个api，我觉得reshape操作是不会修改数据本身、只会修改数组的元信息（如果我实现我会这么做），所以免去了第一个版本中的拷贝操作。
最后，在同样的场景下测试，第一个版本跑一次要1秒多，第二个版本只要1毫秒左右。Nice！