Python NumPy-frombuffer和fromstring之间有什么区别？

他们似乎给了我同样的结果：

[32]中的

：s
[32]外[32]中有以下两名男子：一名男子男子：一名男子男子：一名男子男子：一名男子男子：一名男子：一名男子男子：一名男子：一名男子：一名男子：一名男子：一名男子男子：一名男子男子：一名男子男子：一名男子男子：一名男子男子：0 0 0\0\0\0\0 0\0 0\0 0 0\0 0 0 0 0 0 0 0 0\0 0 0 0 0 0\0 0 0 0\0 0 0 0 0 0 0 0 0\0 0 0 0\0 0 0 0 0 0\0 0 0\0 0 0\0 0 0 0 0 0\0 0\0 0 0 0\0 0 0 0\0 0 0\0 0 0 0 0\0 0 0 0 0 0 0 0\0 0 0\0 0 0 0 0 0 0 0 0\0 0 0 0 0 0 0 0\0 0\0 0 0 0 0 0 0 0 0 0\0 0 0 0 0 0\\\x00\x00\x00'
在[27]中：np.frombuffer（s，dtype=“int8”）
出[27]：
数组（[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0，
0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0]，数据类型=int8）
在[28]中：np.fromstring（s，dtype=“int8”）
出[28]：
数组（[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0，
0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0]，数据类型=int8）
In[33]：b=缓冲区（s）
在[34]：b中
出[34]：
在[35]中：np.fromstring（b，dtype=“int8”）
出[35]：
数组（[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0，
0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0]，数据类型=int8）
在[36]中：np.frombuffer（b，dtype=“int8”）
出[36]：
数组（[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0，
0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
0,0,0,0,0,0,0,0,0,0,0,0,0,0]，数据类型=int8）

---

什么时候应该使用一个与另一个？

从实际角度来看，区别在于：

x = np.fromstring(s, dtype='int8')

将在内存中复制字符串，同时：

x = np.frombuffer(s, dtype='int8')

或

将直接使用字符串的内存缓冲区，不使用任何*额外内存。如果

buffer

的输入是字符串，那么使用

frombuffer

也将产生只读数组，因为字符串在python中是不可变的

（*忽略用于附加python

ndarray

对象的几个字节的内存——数据的底层内存将被共享。）

---

如果您不熟悉，它们本质上是C级库公开一块内存以供python使用的一种方式。它基本上是一个python接口，用于对原始内存进行托管访问

如果您使用的是公开缓冲区接口的东西，那么您可能希望使用

frombuffer

。（Python2.x字符串和Python3.x

bytes

公开了缓冲区接口，但您将得到一个只读数组，因为Python字符串是不可变的。）

---

否则，使用

fromstring

从字符串创建numpy数组。（除非您知道自己在做什么，并且希望严格控制内存使用等）

您读过文档了吗

frombuffer

从缓冲区对象创建一个1d数组，

fromstring

从二进制或字符串表示创建一个1d数组。请编辑

s

的内容。在我的简单示例中，s是字节字符串还是缓冲区无关紧要。感谢提供有关缓冲区对象的背景信息。@joe kington你确定吗np.frombuffer（）不生成缓冲区的副本吗？如果我反复运行

buffer（np.frombuffer（buffer，dtype='int8'））

，每次我都会得到一个新的缓冲区位置，并且它总是不同于

buffer

@mfripp-您会得到新的对象（例如，每次都有一个新的ndarray），但它们引用相同的内存。如果要验证这一点，请尝试使用可变的内容（例如

数组.array

）而不是字符串，然后修改内容。您将看到所有的numpy视图和缓冲区都发生了变化。@JoeKington，谢谢。我尝试使用

多处理.Array

作为缓冲区，发现它们使用相同的内存。缓冲区对象的字符串表示似乎有误导性；可能它显示的是变量的位置，而不是底层缓冲区。一个更好的检查方法似乎是

id（buffer[0]）

。与@MatthiasFripp的问题相反，您确定

np.fromstring（）

会复制数据吗？根据文档，“自版本1.14以来已弃用：如果未提供此参数[

sep

”，

fromstring

在将unicode字符串输入编码为utf-8（python 3）或默认编码（python 2）后，会采用

fromsbuffer

的行为。”这表明，如果未提供

sep

，则功能相同。

x = np.frombuffer(buffer(s), dtype='int8')