Python 用于实现numpy.ascontiguousarray的算法是什么？

我有一个大的2D数组F-连续，例如

>> a = np.random.random((10000000, 10))
>> b = a[:, [1,3,5,7,9]]
>> b.flag()
C_CONTIGUOUS : False
F_CONTIGUOUS : True
OWNDATA : False
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False

背后的算法是什么

>> t = time.time(); c = np.ascontiguousarray(b); print(time.time() - t)
>> 0.1587984561920166

---

如果我只使用简单的值复制来实现同样的事情，它将超过0.6秒。我试图在实现中查找，但找不到相关的源代码。ascontiguous的代码是：

return array(a, dtype, copy=False, order='C', ndmin=1)

复制的代码是

return array(a, order=order, copy=True)

a.copy

方法已编译，因此我们无法以相同的方式跟踪它，但它的行为可能类似于

np.copy

---

因此，如果源已经是

C

连续的，

ascontiguous

对其不做任何处理。如果

F

连续，结果应该（几乎）相同。

您所说的“仅使用简单值复制”是什么意思？当我将

numpy.ascontiguousarray（b）

与

b.copy（）

进行比较时，

b.copy（）

获胜（差距很小）。你永远不应该用

时间

进行严肃的基准测试。当我使用

timeit

时，我得到了

b.copy（）

稍微领先。谢谢，但我真正想要的是

数组

实现背后的C代码。有太多的层，所以我不知道哪一层对应这个。通常我们认为算法是比C代码细节更抽象的描述。但是，很少有人深入研究

np.array

或

.copy

的细节。我猜想您想知道如何对数组中的元素重新排序，使其

C

连续（与整个

创建一个新数组

机制相反。如果是这样，那么你的问题应该集中在这一点上。我的怀疑是，经过几层决策后，

ascontiguous

最终使用相同的

c

函数将值复制到一个新数组。是的。你找到它是哪个函数了吗？基于不同的关键字参数，如

dtype

，

copy

，

order

，

subok

，

ndmin

，使用了不同的函数。我只是不知道要看的最后一个函数是什么。不，我还没有深入研究

numpy

代码。如果你解释一下为什么想知道这一点，可能会有所帮助。是吗最终结果是否重要，或者您是否试图在自己的C代码中复制该操作？