视图中的 Numpy 重塑

Question

我对视图上的 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 none 拥有数据，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

Answer 1

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 没有反映第一个元素的变化，如 x 或 y，它必须以某种方式成为数据的所有者（以某种方式在下面解释） .

在 numpy-discussion mailinglist. In the How can I tell if NumPy creates a view or a copy? 问题上有更多关于 OWNDATA 标志的讨论，简要提到有时简单地检查 ndarray 的 flags.owndata 似乎失败，而且它似乎不可靠，正如你提到的。那是因为每个 ndarray 也有一个 base 属性：

如果内存源自其他地方，base of an ndarray 是对另一个数组的引用（否则，基数是 None）。操作 y.reshape(4) 创建一个副本，而不是视图，因为 y 的步幅是 (8,16)。要将其重塑（C-连续）为 (4,)，内存指针必须跳转 0->16->8->24，这一步是做不到的。因此 q.base 指向由强制复制操作 y.reshape 生成的内存位置，其形状与 y 相同，但复制了元素，因此再次具有正常步幅：(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，因为步幅允许这样做。 q 确实是对 q.base 的看法。

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 y 上的视图。但是，它是 y 副本上的视图。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。

Answer 2

我喜欢用.__array_interface__。

In [811]: x.__array_interface__
Out[811]: 
{'data': (149194496, False),
 'descr': [('', '<f8')],
 'shape': (4, 4),
 'strides': None,
 'typestr': '<f8',
 'version': 3}

In [813]: y.__array_interface__
Out[813]: 
{'data': (149194496, False),
 'descr': [('', '<f8')],
 'shape': (4, 4),
 'strides': (8, 32),
 'typestr': '<f8',
 'version': 3}

In [814]: x.strides
Out[814]: (32, 8)
In [815]: y.strides
Out[815]: (8, 32)

转置是通过反转步幅来执行的。基本数据指针相同。

In [817]: q.__array_interface__
Out[817]: 
{'data': (165219304, False),
 'descr': [('', '<f8')],
 'shape': (16,),
 'strides': None,
 'typestr': '<f8',
 'version': 3}

所以q数据是一个副本（不同的指针）。步幅 (8,) 表示通过从一个 f8 步进到下一个来访问其元素。但是 x.reshape(16) 是 x 的视图 - 因为它的数据可以通过简单的 8 步骤访问。

要按q顺序访问原始数据，它必须步进32个字节3次（向下x行），然后回到开始，第8步到第2步x 列，然后是 3 行步等。由于跨步无法以这种方式工作，因此必须从副本开始工作。

另请注意 y[0,0] 更改 x[0,0]，但 q[0] 独立于两者。

虽然 q 的 OWNDATA 为假，但 y.ravel() 和 y.flatten() 为真。我怀疑 reshape() 在这种情况下正在制作一个副本，然后重塑，它是 'owns' 数据 q.base.

的中间副本

视图中的 Numpy 重塑

Numpy reshape on view

python

numpy

reshape