python - 如何从 numpy 中的 dtype 获取步幅？

Question

我想我可以:np.zeros((), dtype=dt).strides ，但是当 dtype 是大型数组类型时，这似乎效率不高，例如: ('<f8', (200, 100)) 。有没有办法直接从 dtype 到 numpy 中的 strides？

Answer 1

您实际上可以获取结构化数组中子数组的步幅，而无需创建“完整”数组。

结构化数组中的子数组必须是连续的且按 C 顺序 according to the documentation 。请注意第一个示例上方的句子:

Sub-arrays always have a C-contiguous memory layout.

因此，对于没有字段的结构化数组(例如示例中的字段)，您可以执行以下操作(作为不可读的单行代码):

import numpy as np

x = np.dtype(('<f8', (200, 100)))

strides = x.base.itemsize * np.r_[1, np.cumprod(x.shape[::-1][:-1])][::-1]

避免代码高尔夫:

shape = list(x.shape)

# First, let's make the strides for an array with an itemsize of 1 in C-order
tmp_strides = shape[::-1]
tmp_strides[1:] = list(np.cumprod(tmp_strides[:-1]))
tmp_strides[0] = 1

# Now adjust it for the real itemsize:
tmp_strides = x.base.itemsize * np.array(tmp_strides)

# And convert it to a tuple, reversing it back for proper C-order
strides = tuple(tmp_strides[::-1])

但是，当存在多个字段时，这会变得更加复杂。一般来说，您需要进行适当的检查。例如:dtype 是否具有 shape 属性？有字段吗？是否有任何字段具有 shape 属性？