Python 视图不适用于转置数组

为什么这样做有效：

>>> f = np.array(([[10,20],[11,21],[11,21],[12,22],[13,23]]))
>>> f
array([[10, 20],
   [11, 21],
   [11, 21],
   [12, 22],
   [13, 23]])
>>> f.view([('',f.dtype)]*f.shape[1])
array([[(10, 20)],
   [(11, 21)],
   [(11, 21)],
   [(12, 22)],
   [(13, 23)]], 
  dtype=[('f0', '<i8'), ('f1', '<i8')])

>>f=np.array（[10,20]、[11,21]、[11,21]、[12,22]、[13,23]]））
>>>f
数组（[[10,20]，
[11, 21],
[11, 21],
[12, 22],
[13, 23]])
>>>视图（[（''，f.dtype）]*f.shape[1]）
数组（[（10,20）]，
[(11, 21)],
[(11, 21)],
[(12, 22)],
[(13, 23)]], 
dtype=[（'f0'，'这是内存布局问题：

>>> f = np.array(([[10,20],[11,21],[11,21],[12,22],[13,23]]))
>>> f.flags.c_contiguous
True
>>> f = np.array(([10,11,11,12,13],[20,21,21,22,23])).T
>>> f.flags.c_contiguous
False
>>> f.view([('',f.dtype)]*f.shape[0])
array([[(10, 11, 11, 12, 13), (20, 21, 21, 22, 23)]], 
      dtype=[('f0', '<i8'), ('f1', '<i8'), ('f2', '<i8'), ('f3', '<i8'), ('f4', '<i8')])

>>f=np.array（[10,20]、[11,21]、[11,21]、[12,22]、[13,23]]））
>>>f.flags.c_
真的
>>>f=np.数组（[10,11,11,12,13]，[20,21,21,22,23]）.T
>>>f.flags.c_
假的
>>>f.视图（[（''，f.dtype）]*f.形状[0]）
数组（[（10,11,11,12,13），（20,21,21,22,23）]，
数据类型=[（'f0'，'默认情况下，您的numpy数组存储在内存中的单个连续块中。定义结构化数组时，所有字段在内存中也必须连续。在您的情况下，您需要将每一行存储在内存中的连续位置。当您转置数组时，而不是将数据四处乱洗，只有跨步是连续的anged，这意味着现在是存储在内存中连续位置的列

虽然可能需要复制数据，但速度很慢，安全的方法是在执行结构数组魔术之前调用
np.ascontiguousarray
：

>>> f = np.array([[10,11,11,12,13],[20,21,21,22,23]]).T
>>> f = np.ascontiguousarray(f)
>>> f.view([('',f.dtype)]*f.shape[1])
array([[(10, 20)],
       [(11, 21)],
       [(11, 21)],
       [(12, 22)],
       [(13, 23)]], 
      dtype=[('f0', '<i4'), ('f1', '<i4')])

>>f=np.array（[[10,11,11,12,13]，[20,21,21,22,23]]）.T
>>>f=np.ASCONTIGOUUSARRAY（f）
>>>视图（[（''，f.dtype）]*f.shape[1]）
数组（[（10,20）]，
[(11, 21)],
[(11, 21)],
[(12, 22)],
[(13, 23)]], 
dtype=[（'f0'，'+1）以获得清晰的解释（而我的答案是含糊不清的！），尽管我仍然认为，如果可能，应该通过构造具有正确内存布局的数组来避免
np.ascontiguousarray
。
>>> f = np.array(([10,11,11,12,13],[20,21,21,22,23]), order='F').T
>>> f.flags.c_contiguous
True
>>> f.view([('',f.dtype)]*f.shape[1])
array([[(10, 20)],
       [(11, 21)],
       [(11, 21)],
       [(12, 22)],
       [(13, 23)]], 
      dtype=[('f0', '<i8'), ('f1', '<i8')])

>>> f = np.array([[10,11,11,12,13],[20,21,21,22,23]]).T
>>> f = np.ascontiguousarray(f)
>>> f.view([('',f.dtype)]*f.shape[1])
array([[(10, 20)],
       [(11, 21)],
       [(11, 21)],
       [(12, 22)],
       [(13, 23)]], 
      dtype=[('f0', '<i4'), ('f1', '<i4')])