Python 视图上的Numpy重塑

我对numpy整形手术的结果感到困惑。 在下面的示例中，q.flags表示它不拥有数据，但是q.base既不是x也不是y，那么它是什么呢？我很惊讶地看到q.strips是8，这意味着每次在内存中移动8个字节时它都会得到下一个元素（如果我理解正确的话）。但是，如果除了x之外没有其他数组拥有数据，那么唯一的数据缓冲区是来自x的，这不允许通过移动8个字节来获取q的下一个元素

In [99]: x = np.random.rand(4, 4)

In [100]: y = x.T

In [101]: q = y.reshape(16)

In [102]: q.base is y
Out[102]: False

In [103]: q.base is x
Out[103]: False

In [104]: y.flags
Out[104]: 
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

In [105]: q.flags
Out[105]: 
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

In [106]: q.strides
Out[106]: (8,)

In [107]: x
Out[107]: 
array([[ 0.62529694,  0.20813211,  0.73932923,  0.43183722],
       [ 0.09755023,  0.67082005,  0.78412615,  0.40307291],
       [ 0.2138691 ,  0.35191283,  0.57455781,  0.2449898 ],
       [ 0.36476299,  0.36590522,  0.24371933,  0.24837697]])

In [108]: q
Out[108]: 
array([ 0.62529694,  0.09755023,  0.2138691 ,  0.36476299,  0.20813211,
        0.67082005,  0.35191283,  0.36590522,  0.73932923,  0.78412615,
        0.57455781,  0.24371933,  0.43183722,  0.40307291,  0.2449898 ,
        0.24837697])

更新：

事实证明，这个问题在numpy讨论论坛上被提出：

---

简而言之：您不能总是依赖

ndarray.flags['OWNDATA']

>>> import numpy as np
>>> x = np.random.rand(2,2)
>>> y = x.T
>>> q = y.reshape(4)
>>> y[0,0]
0.86751629121019136
>>> y[0,0] = 1
>>> q
array([ 0.86751629,  0.87671107,  0.65239976,  0.41761267])
>>> x
array([[ 1.        ,  0.65239976],
       [ 0.87671107,  0.41761267]])
>>> y
array([[ 1.        ,  0.87671107],
       [ 0.65239976,  0.41761267]])
>>> y.flags['OWNDATA']
False
>>> x.flags['OWNDATA']
True
>>> q.flags['OWNDATA']
False
>>> np.may_share_memory(x,y)
True
>>> np.may_share_memory(x,q)
False

因为

q

没有反映第一个元素的变化，比如

x

或

y

，所以它一定是数据的所有者（下文将对此进行解释）

有关

OWNDATA

标志的更多讨论，请参阅。在问题中，简单地检查

ndarray

的

flags.owndata

有时似乎会失败，正如您所提到的，它似乎不可靠。这是因为每个

ndarray

也有一个

base

属性：

如果内存来自其他地方，则是对另一个数组的引用（否则，基为

None

）。操作

y.reformate（4）

创建一个副本，而不是一个视图，因为

y

的步幅是

（8,16）

。要将内存指针重新整形（C-连续）为

（4，）

，内存指针必须跳转

0->16->8->24

，这是单次跨步无法实现的。因此，

q.base

指向由强制复制操作

y.reformate

生成的内存位置，其形状与

y

相同，但复制了元素，因此具有正常的步幅：

（16，8）

<因此，code>q.base不受任何其他名称的约束，因为它是强制复制操作的结果。只有现在才能以

（4，）

形状查看对象

q.base

，因为跨步允许这样做

q

实际上是

q.base

上的一个视图

---

对于大多数人来说，如果看到

q.flags.owndata

是

False

，就会感到困惑，因为如上所示，它不是

y

上的视图。但是，它是

y

副本上的视图。但是，该副本，

q.base

，是数据的所有者。因此，如果仔细检查，这些标志实际上是正确的。

我喜欢使用

\uuuuu数组\uu接口

In [811]: x.__array_interface__
Out[811]: 
{'data': (149194496, False),
 'descr': [('', '<f8')],
 'shape': (4, 4),
 'strides': None,
 'typestr': '<f8',
 'version': 3}

In [813]: y.__array_interface__
Out[813]: 
{'data': (149194496, False),
 'descr': [('', '<f8')],
 'shape': (4, 4),
 'strides': (8, 32),
 'typestr': '<f8',
 'version': 3}

In [814]: x.strides
Out[814]: (32, 8)
In [815]: y.strides
Out[815]: (8, 32)

[811]中的
：x.\u数组\u接口__
出[811]：
{'data'：（149194496，假），
'descr'：[（''，谢谢！那么q.base是一个复制的数组，具有表示q所需的对齐方式，然后q是它的一个视图，但是q.base没有被任何其他python名称绑定？我看了numpy讨论文章。在我看来，当它指代“owndata不可靠”时，它指的是在释放ndarray时是否会释放内存。我想，为了确定owndata是否正确反映所使用的内存缓冲区是ndarray.data还是ndarray.base.data，它仍然是一个准确的指示器。只是在这种情况下，q数组有一个没有命名的基数组，它实际上拥有数据。我的理解正确吗？@shaoyl85，你是正确的。我对你的两条评论的回复太长，无法添加到评论中，所以我在帖子中添加了它。谢谢！我认为这是有意义的，我猜“创建副本然后返回视图”的行为有点奇怪和意外。更一致的行为是，当无法返回输入数组的视图时，只返回数组的副本。谢谢！您是否知道“创建副本然后重塑”而不仅仅是“无法返回视图时返回副本”的原理？
In [817]: q.__array_interface__
Out[817]: 
{'data': (165219304, False),
 'descr': [('', '<f8')],
 'shape': (16,),
 'strides': None,
 'typestr': '<f8',
 'version': 3}