它们所做的事情的顺序-重塑、改变步幅和复制-不同,但它们最终都会做同样的事情。
我喜欢使用__array_interface__
来查看数据缓冲区的位置和其他更改。我想我应该添加flags
来查看order
。但是我们/您已经知道transpose
将顺序更改为F
了,对吧?
In [549]: x=np.arange(6).reshape(2,3)
In [550]: x.__array_interface__
Out[550]:
{'data': (187732024, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
转置是一种视图,它具有不同的形状、步幅和顺序:
In [551]: x.T.__array_interface__
Out[551]:
{'data': (187732024, False),
'descr': [('', '<i4')],
'shape': (3, 2),
'strides': (4, 12),
'typestr': '<i4',
'version': 3}
以不同顺序旅行是一份拷贝(具有不同的数据缓冲指针)。
In [552]: x.ravel(order='F').__array_interface__
Out[552]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (6,),
'strides': None,
'typestr': '<i4',
'version': 3}
转置(transpose)和拉平(ravel)也都是副本。我认为使用相同的数据指针只是内存重用的一种情况(因为我没有给变量赋值),但可以进行检查。
In [553]: x.T.ravel().__array_interface__
Out[553]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (6,),
'strides': None,
'typestr': '<i4',
'version': 3}
添加reshape:
In [554]: x.T.ravel().reshape(2,3).__array_interface__
Out[554]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
In [555]: x.ravel(order='F').reshape(2,3).__array_interface__
Out[555]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
我认为在reshape中有一个隐含的“ravel”:
In [558]: x.T.reshape(2,3).__array_interface__
Out[558]:
{'data': (182286992, False),
'descr': [('', '<i4')],
'shape': (2, 3),
'strides': None,
'typestr': '<i4',
'version': 3}
(我应该重新修改这些示例,以消除内存重用的歧义。)无论哪种情况,在转置后进行重塑都需要进行与更改顺序的ravel相同的内存复制。据我所知,仅需要一次复制以进行任何一种情况。其他操作只涉及形状等属性的更改。
如果我们只看数组,则可能更清楚。
In [565]: x.T
Out[565]:
array([[0, 3],
[1, 4],
[2, 5]])
在重塑(reshape)之前,我们仍然可以按数字顺序遍历数组中的
T
。 但是,在重塑之后,
1
离
0
相距甚远,显然发生了复制。
In [566]: x.T.reshape(2,3)
Out[566]:
array([[0, 3, 1],
[4, 2, 5]])
在 ravel 操作之后,值的顺序看起来相似,经过 reshape 操作后更加明显。
In [567]: x.ravel(order='F')
Out[567]: array([0, 3, 1, 4, 2, 5])
In [568]: x.ravel(order='F').reshape(2,3)
Out[568]:
array([[0, 3, 1],
[4, 2, 5]])
reshape_tuple
是这样的,即np.reshape(v.T, reshape_tuple)
不需要复制。也就是说,新形状与转置形状兼容。我会检查__array_interface__
。 - hpaulj