Python numpy插入轴使数据不连续

为什么插入新轴会使数据不连续

>>> a = np.arange(12).reshape(3,4,order='F')
>>> a
array([[ 0,  3,  6,  9],
       [ 1,  4,  7, 10],
       [ 2,  5,  8, 11]])
>>> a.reshape((3,1,4)).flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> a[np.newaxis,...].flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> a.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

请注意，如果使用

C

排序，则在重塑形状时，它确实会保持连续数据，但在添加新轴时则不会：

>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> a.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

>>> a.reshape(3,1,4).flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> a[np.newaxis,...].flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

update对于那些可能在搜索中找到此项的人，要保持当前数组的顺序在一个整形中，

a.整形（3,1,4，order='a'）

工作并保持一个连续数组的连续性

---

---

对于那些询问“您为什么关心？”的人，这是脚本的一部分，该脚本以fortran顺序将数组传递给通过

f2py

编译的一些fortran子例程。fortran例程需要3D数据，所以我用新的维度填充数组，使它们达到所需的维度数。我希望保留连续的数据以避免复制入/复制出行为。

这并不能回答您的问题，但可能有一些用处： 您还可以使用

np.require（a[np.newaxis，…]，requirements='FA'）.flags

C\u连续：False

F_连续：True

OWNDATA:True

可写：True

ALIGNED:True

---

UPDATEIFCOPY:False

@JoeKington--是的。我也这么认为。因为我发现了

order='A'

，所以我可以直接使用

ndarray.reformate

。我更喜欢

np.newaxis

，虽然

data=a[newaxis，…]

看起来比

data=a.reforme（（1，）+a.shape，order='a'）更干净。

我打赌这与最近在numpy邮件列表上的巨大讨论有关：我当然同意这是令人困惑的！我从未想到使用

newaxis

进行切片会做到这一点@mgilson只是想补充一点：您不必添加新的轴来查看这种行为

np.swapaxes

，

np.reformate

，

np.transpose

默认情况下都会使数据

C_连续

。我不确定您为什么需要order参数。但是，如果它让你高兴，基本上只是标志过于严格，从1.8开始。numpy可以通过轻松的步幅检查进行编译，最终将成为默认值。啊，是的，好吧，如果没有顺序，它将以一种使标志再次损坏的方式填充步幅。。。