我对 View 上的 numpy reshape 操作的结果感到困惑。 下面的 q.flags 表明它不拥有数据,但是 q.base 既不是 x 也不是 y,那是什么呢?我很惊讶地看到 q.strides 是 8,这意味着它每次在内存中移动 8 个字节时都会获取下一个元素(如果我理解正确的话)。然而,如果除 x 之外的数组都没有数据,则唯一的数据缓冲区来自 x,这不允许通过移动 8 个字节来获取 q 的下一个元素。
In [99]: x = np.random.rand(4, 4)
In [100]: y = x.T
In [101]: q = y.reshape(16)
In [102]: q.base is y
Out[102]: False
In [103]: q.base is x
Out[103]: False
In [104]: y.flags
Out[104]:
C_CONTIGUOUS : False
F_CONTIGUOUS : True
OWNDATA : False
WRITEABLE : True
ALIGNED : True
UPDATEIFCOPY : False
In [105]: q.flags
Out[105]:
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : False
WRITEABLE : True
ALIGNED : True
UPDATEIFCOPY : False
In [106]: q.strides
Out[106]: (8,)
In [107]: x
Out[107]:
array([[ 0.62529694, 0.20813211, 0.73932923, 0.43183722],
[ 0.09755023, 0.67082005, 0.78412615, 0.40307291],
[ 0.2138691 , 0.35191283, 0.57455781, 0.2449898 ],
[ 0.36476299, 0.36590522, 0.24371933, 0.24837697]])
In [108]: q
Out[108]:
array([ 0.62529694, 0.09755023, 0.2138691 , 0.36476299, 0.20813211,
0.67082005, 0.35191283, 0.36590522, 0.73932923, 0.78412615,
0.57455781, 0.24371933, 0.43183722, 0.40307291, 0.2449898 ,
0.24837697])
更新:
原来在numpy讨论区有人问过这个问题: http://numpy-discussion.10968.n7.nabble.com/OWNDATA-flag-and-reshape-views-vs-copies-td10363.html
最佳答案
简而言之:您不能总是依赖 ndarray.flags['OWNDATA']
。
>>> import numpy as np
>>> x = np.random.rand(2,2)
>>> y = x.T
>>> q = y.reshape(4)
>>> y[0,0]
0.86751629121019136
>>> y[0,0] = 1
>>> q
array([ 0.86751629, 0.87671107, 0.65239976, 0.41761267])
>>> x
array([[ 1. , 0.65239976],
[ 0.87671107, 0.41761267]])
>>> y
array([[ 1. , 0.87671107],
[ 0.65239976, 0.41761267]])
>>> y.flags['OWNDATA']
False
>>> x.flags['OWNDATA']
True
>>> q.flags['OWNDATA']
False
>>> np.may_share_memory(x,y)
True
>>> np.may_share_memory(x,q)
False
因为 q
没有反射(reflect)第一个元素的变化,比如 x
或 y
,它一定是第一个元素的所有者数据(下面以某种方式解释)。
关于 OWNDATA
标志的更多讨论在 numpy-discussion mailinglist .在How can I tell if NumPy creates a view or a copy?问题,简单地提到,简单地检查 ndarray
的 flags.owndata
有时似乎会失败,而且它似乎不可靠,正如您提到的那样。那是因为每个 ndarray
也有一个 base
属性:
base of an ndarray如果内存源自其他地方,则为对另一个数组的引用(否则,基数为 None
)。 y.reshape(4)
操作创建一个副本,而不是 View ,因为 y
的步幅是 (8,16)
。要将其 reshape (C-连续)为 (4,)
,内存指针必须跳转 0->16->8->24
,这不是迈出一步即可。因此 q.base
指向由强制复制操作 y.reshape
生成的内存位置,它与 y
具有相同的形状,但是复制了元素,因此再次具有正常的步幅:(16, 8)
。 q.base
因此不受任何其他名称的约束,因为它是强制复制操作 y.reshape(4)
的结果。只有现在才能以 (4,)
形状查看对象 q.base
,因为步长允许这样做。 q
确实是 q.base
上的一个 View 。
对于大多数人来说,看到 q.flags.owndata
是 False
会感到困惑,因为,如上所示,它不是 上的 View y
。但是,它是 y
副本上的一个 View 。然而,该副本 q.base
是数据的所有者。因此,如果您仔细检查,这些标志实际上是正确的。
关于python - View 中的 Numpy reshape ,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28886731/