Python numpy，对ndarray.base的理解

我尝试了以下实验，以了解使用二维数组的numpy中的视图和副本

正如我们在下面看到的，切片创建了一个视图（a），使用整数列表进行索引创建了一个副本（c.base与arr不同，d.base为None）。根据我的理解，这是预期的行为

我不明白的是为什么c.base不是None，为什么c.flags.owndata是False。如果这是一个新的副本，为什么会发生这种情况

我注意到d视图的情况并非如此

import numpy as np
arr = np.array([[1,2,4,8],
                [16, 32, 64, 128],
                [256, 512, 1024, 2048]])
print(arr)
print(arr.base)
print(arr.flags.owndata)
# [[   1    2    4    8]
#  [  16   32   64  128]
#  [ 256  512 1024 2048]]
# None
# True

# this is a view, identical base to arr.base
a = arr[:,1:3]
print(a)
print(a.base)
print(np.shares_memory(a, arr))
print(a.flags.owndata)
# [[   2    4]
#  [  32   64]
#  [ 512 1024]]
# [[   1    2    4    8]
#  [  16   32   64  128]
#  [ 256  512 1024 2048]]
# True
# False

# this is a copy, its own base, does not share memory with arr
c = arr[:,[1,3]]
print(c)
print(c.base)
print(np.shares_memory(c, arr))
print(c.flags.owndata)
# [[   2    8]
#  [  32  128]
#  [ 512 2048]]
# [[   2   32  512]
#  [   8  128 2048]]
# False
# False

# this is a copy, no base, does not share memory with arr
d = arr[[1,2], :]
print(d)
print(d.base)
print(np.shares_memory(d, arr))
print(d.flags.owndata)
# [[  16   32   64  128]
#  [ 256  512 1024 2048]]
# None
# False
# True

---

a

的情况是切片，其中始终返回一个引用。案例

c

和

d

包含索引，它总是返回一份副本。阅读更多关于它的信息

因此，

c

和

d

之间的区别是：

对于

c

，由于要复制所有行，但只选择列， 内部情况是，原始数组被转置并存储在新的ndarray中；然后删除未选中的列（新nd数组中的行）。然后返回一个转置（从打印

c

和

c.base

的结果可以看出这一点）

对于

d

，由于行是以不连续的方式选择的（该行的所有列）和（好的，取决于），因此直接从原始数组填充（复制，因此没有基）

编辑：

根据信息，当索引不连续的行时（如

d

），将复制并堆叠单个行。 扩展这一思想，我假设对于不连续列（如

c

），执行三步操作更有意义：

转置原始数组

将所选列（现在是行）复制到新的nd数组中（必须存储为基）

调换底座，然后返回

---

我必须承认，我没有找到这方面的官方文档。

对于

a

来说，情况是切片，其中总是返回一个引用。案例

c

和

d

包含索引，它总是返回一份副本。阅读更多关于它的信息

因此，

c

和

d

之间的区别是：

对于

c

，由于要复制所有行，但只选择列， 内部情况是，原始数组被转置并存储在新的ndarray中；然后删除未选中的列（新nd数组中的行）。然后返回一个转置（从打印

c

和

c.base

的结果可以看出这一点）

对于

d

，由于行是以不连续的方式选择的（该行的所有列）和（好的，取决于），因此直接从原始数组填充（复制，因此没有基）

编辑：

根据信息，当索引不连续的行时（如

d

），将复制并堆叠单个行。 扩展这一思想，我假设对于不连续列（如

c

），执行三步操作更有意义：

转置原始数组

将所选列（现在是行）复制到新的nd数组中（必须存储为基）

调换底座，然后返回

---

我必须承认，我没有找到这方面的官方文件。

你从哪里得到关于

c

案例中转置和放置的信息？相反，我认为它是创建一个（3,2）数组，并复制选定的列。使用

strips

numpy可以像索引行一样轻松地索引列。@hpaulj我认为

strips

可以帮助numpy确定行结束的界限。这是我的理解。让我觉得，

在当前稳定版本的numpy中实现的花式索引

要复杂得多。虽然他们有一个三步的过程，但它与我所提到的完全不同！对于大多数用户来说，

c

代码如何制作副本的细节并不重要。这一页，再加上对广播规则的熟悉，应该就足够了。你从哪里得到关于

c

案例中转置和放置的信息？相反，我认为它是创建一个（3,2）数组，并复制选定的列。使用

strips

numpy可以像索引行一样轻松地索引列。@hpaulj我认为

strips

可以帮助numpy确定行结束的界限。这是我的理解。让我觉得，

在当前稳定版本的numpy中实现的花式索引

要复杂得多。虽然他们有一个三步的过程，但它与我所提到的完全不同！对于大多数用户来说，

c

代码如何制作副本的细节并不重要。这个页面，再加上熟悉广播规则就足够了。

b

可以使用

a

databuffer，只需使用它自己的偏移量、形状和步幅即可。使用

c

和

d

不能这样做-列或行已被单独选择（通过列表），因此它们必须有自己的数据缓冲区。如果您不能接受我们的word（或numpy索引文档），您可能需要阅读一些描述数组存储方式的numpy基础知识。我回答了作者最近提出的一些问题，他也试图理解索引。我使用

\uuuu数组\u界面\uuuuu

来识别

视图

与

复制

（我认为这比

base

b

可以通过使用

a

databuffer本身的偏移量、形状和步幅来提供更多信息。使用

c

和

d

则无法做到这一点-列或行已被单独选择（通过列表），所以他们必须有自己的数据缓冲。如果你不能接受我们的话（或numpy索引文档），你可能需要阅读一些numpy bas