Python numpy数组的别名部分_Python_Arrays_Numpy

Python numpy数组的别名部分

python arrays numpy

Python numpy数组的别名部分,python,arrays,numpy,Python,Arrays,Numpy,我使用了很多数组，我想知道是否有一种方法可以使用别名，这样使用数组子集的操作就不需要在每次更新全局数组时“重新切片”数组例如： values = np.array([100, 200, 300, 400, 500, 600, 700, 800, 900, 1000]) index = np.array([2, 4, 8, 9]) sub_val = values[index] 这将为sub_val返回以下内容： sub_val = [300 500 900 1000] 如果更改原始阵

我使用了很多数组，我想知道是否有一种方法可以使用别名，这样使用数组子集的操作就不需要在每次更新全局数组时“重新切片”数组

例如：

values  = np.array([100, 200, 300, 400, 500, 600, 700, 800, 900, 1000])
index   = np.array([2, 4, 8, 9])
sub_val = values[index]

这将为sub_val返回以下内容：

sub_val = [300 500 900 1000]

如果更改原始阵列：

values += 1

sub_val仍然返回：

sub_val = [300 500 900 1000]

而不是期望的：

sub_val = [301 501 901 1001]

基于此，我假设所有索引/切片操作都在创建浅层副本。有没有办法让sub_val成为数组子集的别名

我们的目标是尽可能高效地做到这一点（子集矩阵用于数千次迭代）。

数组的值存储在数据缓冲区中，但您永远不会直接访问它。数组的索引方法通过使用其

dtype

、

shape

和

strips

来解决这个问题

视图

有自己的

形状

和

跨步

，但共享数据缓冲区（可能从缓冲区中的不同点开始）。因此，它“看到”了对原始文件所做的更改

但是你的“随机”索引不能用

形状和步幅来表示。因此numpy
必须制作一个副本-一个具有自己数据缓冲区的数组（从原始数据复制的值）。并且该副本不保留其创建方式的任何记录（即，它不存储索引）
“建议复制”的答案将值从原始值复制回来，但这并不能节省您担心的任何交易成本
我的建议是不要担心这个索引成本。假设numpy
正在尽可能有效地执行此步骤。相反，集中精力减少那些数千次迭代
数组的值存储在数据缓冲区中，但您永远不会直接访问它。数组的索引方法通过使用其dtype
、shape
和strips
来解决这个问题
视图
有自己的形状
和跨步
，但共享数据缓冲区（可能从缓冲区中的不同点开始）。因此，它“看到”了对原始文件所做的更改
但是你的“随机”索引不能用形状和步幅来表示。因此numpy
必须制作一个副本-一个具有自己数据缓冲区的数组（从原始数据复制的值）。并且该副本不保留其创建方式的任何记录（即，它不存储索引）
“建议复制”的答案将值从原始值复制回来，但这并不能节省您担心的任何交易成本
我的建议是不要担心这个索引成本。假设numpy
正在尽可能有效地执行此步骤。相反，应该集中精力减少那些数千次迭代
我想你可以创建自己的slice\u view类来获得这种行为，而不是使用该索引。查看视图v副本和基本v高级索引上的文档。基本切片返回一个视图，应该比高级索引快。当索引值不连续且可能没有标准步骤时，是否可以执行基本切片（格式不一致，开始：停止：间隔）？没有numpy数组的浅拷贝。它要么是一个视图，要么是一个副本。我想你可以创建自己的slice\u view类来获得这种行为。而不是索引。查看视图v副本和基本v高级索引上的文档。基本切片返回一个视图，应该比高级索引快。当索引值不连续且可能没有标准步骤时，是否可以执行基本切片（格式不一致，开始：停止：间隔）？没有numpy数组的浅拷贝。它要么是视图，要么是副本。