在numpy.array中没有Fortran顺序

Question

我在以下内容中找不到Fortran命令:

import numpy as np
In [143]: np.array([[1,2],[3,4]],order='F')
Out[143]: 
array([[1, 2],
       [3, 4]])

但在以下情况下它可以正常工作：

In [139]: np.reshape(np.arange(9),newshape=(3,3),order='F')
Out[139]: 
array([[0, 3, 6],
       [1, 4, 7],
       [2, 5, 8]])

那么在第一个例子中，我做错了什么？

- ericj

Answer 1

当您调用numpy.array从现有的Python对象创建一个数组时，它会返回一个具有与原始Python对象相同的任何形状的对象。因此，

np.array([[1,2],[3,4]], ...)

永远会给予你，

np.array([[1, 2],
          [3, 4]])

这正是您键入的内容，所以不应该感到惊讶。Fortran顺序和C顺序并不描述数据的形状，而是描述内存布局。当您打印一个对象时，NumPy不会显示内存布局，它只会显示形状。

当您使用"K"顺序将其展平时，可以看到数组确实按Fortran顺序存储，该顺序保持元素的原始顺序:

>>> a = np.array([[1,2],[3,4]], order="F")
>>> a.flatten(order="K")
array([1, 3, 2, 4])

这正是区分Fortran和C的真正区别所在：内存布局。大多数NumPy函数不强制您考虑内存布局，而是透明地处理不同的布局。

听起来你想要的是转置，即反转轴顺序。这可以简单地完成：

>>> b = numpy.transpose(a)
>>> b
array([[1, 3],
       [2, 4]])

这并不会创建一个新的数组，而是创建了原数组的一个新视图：

>>> b.base is a
True

如果你想让数据在内存中保持1 2 3 4的布局，并且具有[[1, 3], [2, 4]]的Fortran视图，有效的做法是使用C顺序存储现有数组，然后对其进行转置，这将得到所需内容的Fortran顺序数组，并且不需要额外复制。

>>> a = np.array([[1, 2], [3, 4]]).transpose()
>>> a.flatten(order="K")
array([1, 2, 3, 4])
>>> a
array([[1, 3],
       [2, 4]])

如果您使用Fortran顺序存储原始数据，则转置后将得到C顺序，因此您不希望出现这种情况（或者您只关心转置，内存顺序并不重要？）。无论哪种情况，数组在NumPy中看起来都是相同的。

>>> a = np.array([[1, 2], [3, 4]], order="F").transpose()
>>> a.flatten(order="K")
array([1, 3, 2, 4])
>>> a
array([[1, 3],
       [2, 4]])

- Dietrich Epp

Answer 2

你构建二维数组的两种方式并不相同。第一种方式中，你指定了数组的结构。而在第二种方式中，你先创建了一个数组，然后再按照自己的需求进行重塑。

>>> np.reshape([1,2,3,4],newshape=(2,2),order='F')
array([[1, 3],
       [2, 4]])

再次进行比较，即使您要求将重塑和格式更改为FORTRAN，您也会得到指定的结构：

>>> np.reshape([[1,2],[3,4]],newshape=(2,2),order='F')
array([[1, 2],
       [3, 4]])

- Prune