Python 索引以numpy格式共享行数据

我使用的是一个非常密集（比如20-50%）但具有相同值的大区域的numpy数组。例如，我可能有一个类似以下内容的数组：

[[0 0 0 0]
 [1 2 3 4]
 [0 0 0 0]
 [3 4 5 6]]

有没有办法共享行内存，使行0和行2都访问相同的内存，而不是将填充了相同值（0行）的行作为单独的行存储在内存中？我正在寻找的东西，要么内置在numpy中，要么允许正常的numpy函数与这样的数组一起工作。我需要它看起来像我仍然在使用numpy数组

请注意：

我知道我可以在python中创建一个对象，将输入索引映射到某个numpy数组中的数据索引，但我也希望这个对象被视为numpy数组，这样我就可以在其上调用numpy函数

---

我以前见过稀疏矩阵，但我的数据并不是那么稀疏，所以在我看来，稀疏矩阵算法的效率不高。

不可能。您可以使用实现的类处理一些NumPy函数，但它只处理ufuncs。您必须自己实现索引，对于NumPy的其余大部分内容，您最多只能使用隐式将对象转换为真实密集数组的选项

---

scipy.sparse

sparse矩阵最接近内置选项，但即使如此，sparse矩阵也与大多数NumPy函数不兼容。

如果您只是想节省内存，可能玩dtype会有所帮助。我不知道，是快还是慢

from sys import getsizeof
>>> arr2 = np.ones((1000,1000))
>>> getsizeof(arr2)
8000112
>>> arr2 = np.ones((1000,1000),dtype='>i2')
>>> getsizeof(arr2)
2000112

---

但是如果你想用浮点数进行计算，你也可以尝试使用dtype='single'，以防不需要高精度。

我不认为你所要求的是可能的或值得的，但也许有人会让我们惊讶，你在找这个吗？如果整个阵列都有重复模式，则可以使用一些跨步技巧来避免“复制”。但如果阵列不规则，则不会。阵列的数据存储在平面（1d）缓冲区中。正是跨步和形状使它成为多维的。@timgeb我上面提到过我不想要稀疏的矩阵。我的数据实际上并不是那么稀疏。例如，对于CSR矩阵，每个非零值（我认为）由3个数字表示。这意味着对于一个50%满的矩阵，它将比密集版本使用更多的内存。