何时使用.shape和何时使用.reshape？

Question

当我尝试在NumPy数组上使用.reshape时，遇到了内存问题，想着如果我能以某种方式就地重新整形数组，那就太好了。

我意识到我可以通过简单地更改.shape的值来重塑数组。不幸的是，当我尝试使用.shape时，我再次遇到了内存错误，这让我认为它不会在原地重塑。

我想知道何时使用其中一个，何时使用另一个？

感谢任何帮助。

如果您需要其他信息，请告诉我。

编辑：

我添加了我的代码以及创建要重塑的矩阵的方法（以防这很重要）。

根据您的内存更改N值。

import numpy as np
N = 100
a = np.random.rand(N, N)
b = np.random.rand(N, N)
c = a[:, np.newaxis, :, np.newaxis] * b[np.newaxis, :, np.newaxis, :]
c = c.reshape([N*N, N*N])
c.shape = ([N, N, N, N])

编辑2： 这是一个更好的表述。显然，转置似乎很重要，因为它将数组从C连续变为F连续，上面情况下的乘法是连续的，而下面情况下的乘法不是。

import numpy as np
N = 100
a = np.random.rand(N, N).T
b = np.random.rand(N, N).T
c = a[:, np.newaxis, :, np.newaxis] * b[np.newaxis, :, np.newaxis, :]
c = c.reshape([N*N, N*N])
c.shape = ([N, N, N, N])

- evan54

---

这会占用我所有的RAM。 - evan54

请展示一些带有样本输入的代码（您可以使用numpy.random生成虚假数据或其他任何东西，只需使其具有实际大小）。 - John Zwinck

你的意思是要模拟出一个内存问题还是不想引起内存问题？ - evan54

抱歉，我不得不重新启动，因为使用了太多的内存导致崩溃。此外，我添加了一些额外的代码，更好地反映了我的实际代码，如果这很重要的话。 - evan54

你的代码对我来说仍然很好用。创建 c 占用了 762 MB 的内存，但之后的重塑操作不会增加内存使用量。 - John Zwinck

Answer 1

numpy.reshape函数在无法创建合适视图的情况下会复制数据，而设置shape会引发错误而不是复制数据。

并非总能在不复制数据的情况下改变数组的形状。如果希望在复制数据时引发错误，则应将新形状分配给数组的形状属性。

- ryanpattison

---

所以行为完全相同，除了它们如何处理复制的需求？还有什么情况下需要复制？ - evan54

如果数组不是连续的，就无法原地重塑，参见 reshape an array in numpy 的答案中的评论。 - ryanpattison

Answer 2

我想重新审视这个问题，重点关注面向对象编程范例，尽管存在内存问题。

何时使用 .shape 和何时使用 .reshape？

封装的面向对象编程原则

遵循面向对象编程范式，由于 shape 是 numpy.array 对象的属性，因此始终建议调用 对象.方法 来更改属性。这符合封装的面向对象编程原则。

性能问题

至于性能，似乎没有区别。

import numpy as np
# creates an array of 1,000,000 random floats
a = np.array(np.random.rand(1_000_000))

# (1000000,)
a.shape                   

# using IPython to time both operations resulted in

# 201 ns ± 4.85 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
%timeit a.shape = (5_000, 200)

# 217 ns ± 0.957 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit a.reshape (5_000, 200)

运行硬件

操作系统：Linux 4.15.0-142-generic #146~16.04.1-Ubuntu CPU：Intel(R) Core(TM) i3-4170 CPU @ 3.70GHz 四核心 内存：16GB

- Jayr Magave