像这样使用 numpy.ndarray.strides 属性是一种好方法吗？

Question

浏览属性时，我发现我可以像这样显式更改 np.ndarray.strides 属性：

arr = np.array([8, 3, 4], dtype=np.uint16)
arr.strides = 1
arr
>>> array([  8, 768,   3], dtype=uint16)

我凭直觉知道这不是显式分配属性的安全方法（可能是反模式）。尽管如此，我很清楚，它应该做什么。

获得我预期结果的另一种方法是：

np.lib.stride_tricks.as_strided(arr, shape=(3,), strides=(1,))

我正在寻找任何有助于理解的编程模式指南，我是否应该避免设置这样的属性。

此外，在 numpy 中是否有更安全的方法为 .strides 属性分配新值？

Answer 1

np.lib.stride_tricks.sliding_window_view 是 as_strided 的更新、更安全的封面。然而，这些的大多数用途使用与原始（此处为 2）一样大的 strides。他们return一个view，而不是修改数组本身。

您的数组，以及查看单个字节的 2 种方式：

In [529]: arr = np.array([8,3,4],'uint16')
In [530]: arr
Out[530]: array([8, 3, 4], dtype=uint16)
In [531]: arr.tobytes()
Out[531]: b'\x08\x00\x03\x00\x04\x00'
In [532]: arr.view('uint8')
Out[532]: array([8, 0, 3, 0, 4, 0], dtype=uint8)

你的步伐变化只是

的一部分

In [533]: np.lib.stride_tricks.as_strided(arr, strides=(1,), shape=(6,))
Out[533]: array([   8,  768,    3, 1024,    4,    0], dtype=uint16)

In [535]: _.astype('uint8')
Out[535]: array([8, 0, 3, 0, 4, 0], dtype=uint8)

我认为 768 来自 0 3

In [537]: np.array([0,3],'uint8').view('uint16')
Out[537]: array([768], dtype=uint16)

所以即使你的 strides 是 (1,)，它仍然是 uint16 作为 dtype，所以显示 (8,0), (0,3), (3,0), [(0,4), (4,0)]。实际上保险柜 as_strided 应该使用 shape=(5,)，因为 6 实际上“离开了终点”。

因此，尽管像您那样更改 strides 是可能的，但我认为它没有用。我还没有看到其他人使用它。正如我所展示的，解释结果需要对数据类型（及其与形状和步幅的关系）有一些深入的了解。

像这样使用 numpy.ndarray.strides 属性是一种好方法吗？

Is it a good way to use numpy.ndarray.strides attribute like this?

python

algorithm

numpy

attributes

attr