在纯 Python 中转置 `memoryview`

Question

是否有一种纯粹的 Python 转置 memoryview 的方法？

Python memoryviews 不仅仅可以表示一维字节块。它们可以表示多维布局、非连续内存、复杂元素类型等。例如，在下面的代码中：

In [1]: import numpy

In [2]: x = numpy.array([[1, 2], [3, 4]])

In [3]: y = x.T

In [4]: a = memoryview(x)

In [5]: b = memoryview(y)

a 和 b 是 2×2 多维内存视图：

In [6]: a.shape
Out[6]: (2, 2)

In [7]: b.shape
Out[7]: (2, 2)

和b表示a的转置，因此a[i, j]和b[j, i]别名相同的内存（即原[=23的单元格i，j =]数组）：

In [8]: a[0, 1] = 5

In [9]: b[1, 0]
Out[9]: 5

In [10]: x
Out[10]: 
array([[1, 5],
       [3, 4]])

NumPy 数组支持简单的转置，但 NumPy 数组并不是多维内存视图的唯一来源。例如，您可以投射一维内存视图：

In [11]: bytearr = bytearray([1, 2, 3, 4])

In [12]: mem = memoryview(bytearr).cast('b', (2, 2))

In [13]: mem.shape
Out[13]: (2, 2)

In [14]: mem[1, 0] = 5

In [15]: bytearr
Out[15]: bytearray(b'\x01\x02\x05\x04')

memoryview 格式足够灵活，可以表示 mem 的转置，就像我们之前示例中 b 对 a 的转置一样，但似乎没有内存视图中的简单转置方法 API。是否有一种纯粹的Python转置任意多维记忆视图的方法？

Answer 1

这可能对您有帮助：

>>> import numpy as np
>>> import array
>>> a = array.array('l', [-11111111, 22222222, -33333333, 44444444])
>>> m = memoryview(a)
>>> m_copy =  np.array(m)[np.newaxis]
>>> m_copy
array([[-11111111,  22222222, -33333333,  44444444]])
>>> m_copy.T
array([[-11111111],
       [ 22222222],
       [-33333333],
       [ 44444444]])

不使用 numpy:

import array
a = array.array('l', [-11111111, 22222222, -33333333, 44444444])
print(a)

#output:
array('l', [-11111111, 22222222, -33333333, 44444444])

m = memoryview(a)
a = [[x for x in m]]
result = list(map(list, zip(*a)))
print(result)

#output:
[[-11111111], [22222222], [-33333333], [44444444]]

Answer 2

不依赖就没有好办法。使用 NumPy，它非常简单，只要内存视图没有 suboffsets:

transposed = memoryview(numpy.asarray(orig_memoryview).T)

orig_memoryview 可以由任何东西支持 - 后面不一定要有 NumPy 数组。

与其他答案不同，生成的内存视图由与原始内存视图相同的内存支持。例如，使用以下多维内存视图：

In [1]: import numpy

In [2]: arr = numpy.array([[1, 2], [3, 4]])

In [3]: mem = memoryview(arr)

我们可以转置它：

In [4]: transposed = memoryview(numpy.asarray(mem).T)

并写入转置内存视图影响原始数组：

In [5]: transposed[0, 1] = 5

In [6]: arr
Out[6]: 
array([[1, 2],
       [5, 4]])

这里写入转置的第0、1单元格对应原数组的第1、0单元格

这不依赖于由 NumPy 数组支持的原始内存视图。它适用于由其他东西支持的内存视图，比如 bytearrays:

In [7]: x = bytearray([1, 2, 3, 4])

In [8]: y = memoryview(x).cast('b', (2, 2))

In [9]: transposed = memoryview(numpy.asarray(y).T)

In [10]: transposed[0, 1] = 5

In [11]: y[1, 0]
Out[11]: 5

In [12]: x
Out[12]: bytearray(b'\x01\x02\x05\x04')

没有 NumPy 或类似的依赖项，我看不出什么好方法。最接近好的方法是使用 ctypes，但您需要为此硬编码 Py_buffer 结构布局，并且 Py_buffer 结构的确切布局没有记录。（field order and types don't quite match the order in which the fields are documented, or the types they're documented with.) Also, for a PIL-style array with suboffsets，如果不复制数据就无法转置内存视图。

好的一面是，在处理多维内存视图的大多数情况下，您已经拥有转置它们所需的依赖项。

在纯 Python 中转置 `memoryview`

Transposing `memoryview` in pure Python

python

memoryview