numpy.ndarray.view#

method

ndarray.view([dtype][, type])#

具有相同数据的数组的新视图.

备注

为 dtype 传递 None 与省略该参数不同,因为前者会调用 dtype(None) ,它是 dtype('float64') 的别名.

参数:
dtypedata-type or ndarray sub-class, optional

返回视图的数据类型描述符,例如,float32 或 int16.省略它会导致该视图具有与 a 相同的数据类型.此参数也可以指定为 ndarray 子类,然后指定返回对象的类型(这等效于设置 type 参数).

typePython 类型,可选

返回视图的类型,例如,ndarray 或 matrix.同样,省略该参数会导致类型保留.

注释

a.view() 以两种不同的方式使用:

a.view(some_dtype) 或 a.view(dtype=some_dtype) 构造一个具有不同数据类型的数组内存视图.这可能会导致重新解释内存中的字节.

a.view(ndarray_subclass) 或 a.view(type=ndarray_subclass) 仅仅返回一个 ndarray_subclass 的实例,该实例查看的是同一个数组(相同的形状,dtype 等).这不会导致重新解释内存.

对于 a.view(some_dtype) ,如果 some_dtype 的每个条目的字节数与之前的 dtype 不同(例如,将常规数组转换为结构化数组),则 a 的最后一个轴必须是连续的. 该轴将在结果中调整大小.

在 1.23.0 版本发生变更: 只有最后一个轴需要是连续的. 以前,整个数组必须是 C 连续的.

示例

>>> import numpy as np
>>> x = np.array([(-1, 2)], dtype=[('a', np.int8), ('b', np.int8)])

使用不同的类型和 dtype 查看数组数据:

>>> nonneg = np.dtype([("a", np.uint8), ("b", np.uint8)])
>>> y = x.view(dtype=nonneg, type=np.recarray)
>>> x["a"]
array([-1], dtype=int8)
>>> y.a
array([255], dtype=uint8)

在结构化数组上创建视图,使其可用于计算

>>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)])
>>> xv = x.view(dtype=np.int8).reshape(-1,2)
>>> xv
array([[1, 2],
       [3, 4]], dtype=int8)
>>> xv.mean(0)
array([2.,  3.])

更改视图会更改底层数组

>>> xv[0,1] = 20
>>> x
array([(1, 20), (3,  4)], dtype=[('a', 'i1'), ('b', 'i1')])

使用视图将数组转换为 recarray:

>>> z = x.view(np.recarray)
>>> z.a
array([1, 3], dtype=int8)

视图共享数据:

>>> x[0] = (9, 10)
>>> z[0]
np.record((9, 10), dtype=[('a', 'i1'), ('b', 'i1')])

对于由切片,转置,Fortran 排序等定义的数组,通常应避免更改 dtype 大小(每个条目的字节数)的视图:

>>> x = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.int16)
>>> y = x[:, ::2]
>>> y
array([[1, 3],
       [4, 6]], dtype=int16)
>>> y.view(dtype=[('width', np.int16), ('length', np.int16)])
Traceback (most recent call last):
    ...
ValueError: To change to a dtype of a different size, the last axis must be contiguous
>>> z = y.copy()
>>> z.view(dtype=[('width', np.int16), ('length', np.int16)])
array([[(1, 3)],
       [(4, 6)]], dtype=[('width', '<i2'), ('length', '<i2')])

但是,对于具有连续最后一个轴的数组,即使其余轴不是 C 连续的,更改 dtype 的视图也完全没问题:

>>> x = np.arange(2 * 3 * 4, dtype=np.int8).reshape(2, 3, 4)
>>> x.transpose(1, 0, 2).view(np.int16)
array([[[ 256,  770],
        [3340, 3854]],

       [[1284, 1798],
        [4368, 4882]],

       [[2312, 2826],
        [5396, 5910]]], dtype=int16)
On this page