numpy 数组元数据更改

Question

我知道 numpy 在连续内存中存储数字。那么可以拿

a = np.array([127,127,127,127,127,127,127,127], dtype=np.uint8)

'a'的二进制表示都是全1

对此：

b = np.array([72057594037927935], dtype=np.uint64)

以及从 b->a 返回。

二进制表示全部为1，但是元素的数量组合为一个64位int 在 Numpy 中表示应该相同，只有元数据应该改变。

这听起来像是一项跨步技巧的工作，但我的最佳猜测是：

np.lib.stride_tricks.as_strided(a, shape=(1,), strides=(8,8))

和

np.lib.stride_tricks.as_strided(b, shape=(8,), strides=(1,8))

只得到 ValueError：步幅长度和形状不匹配

这里只需要阅读，所以我没有妄想我需要更改数据。

Answer 1

如果您想重新解释 数组中的现有数据，您需要numpy.ndarray.view。这是 .astype 和 .view 之间的主要区别（即前者转换为保留 values 的新类型，而后者保持相同的内存和变化它是如何解释的）：

import numpy as np 

a = np.array([127,127,127,127,127,127,127,127], dtype=np.uint8)
b = a.view(np.uint64) 
print(a) 
print(b) 
print(b.view(np.uint8))

这输出

[127 127 127 127 127 127 127 127]
[9187201950435737471]
[127 127 127 127 127 127 127 127]

请注意 127 在其二进制模式中有一个前导零，所以它不是全一，这就是我们在 b 中得到的值的原因与您期望的不同：

>>> bin(b[0])
'0b111111101111111011111110111111101111111011111110111111101111111'

>>> bin(72057594037927935)
'0b11111111111111111111111111111111111111111111111111111111'

您似乎假设的是一组 uint7 个位的值...

无论如何，.view 最好的部分是将使用完全相同的内存块，除非您明确复制：

>>> b.base is a
True

推论当然是变异 b 会影响 a:

>>> b += 3

>>> a
array([130, 127, 127, 127, 127, 127, 127, 127], dtype=uint8)

要控制字节顺序，您需要使用 string-valued dtype specifications，即 a.view('<u8')（小端）或 a.view('>u8')（大端）。我们可以用它来重现您问题中的错误号码：

>>> a2 = np.array([0] + [255] * 7, dtype=np.uint8)
... a2.view('>u8')
array([72057594037927935], dtype=uint64)

numpy 数组元数据更改

numpy array metadata change

python

numpy

metadata

stride