副本和视图#

在 NumPy 数组上操作时,可以使用 view 直接访问内部数据缓冲区,而无需复制数据.这确保了良好的性能,但如果用户不知道它是如何工作的,也可能导致不必要的问题.因此,重要的是要知道这两个术语之间的区别,并知道哪些操作返回副本,哪些操作返回视图.

NumPy 数组是一种数据结构,由两部分组成:具有实际数据元素的 contiguous 数据缓冲区和包含有关数据缓冲区信息的元数据. 元数据包括数据类型,步长和其他有助于轻松操作 ndarray 的重要信息. 有关详细信息,请参见 NumPy 数组的内部组织 部分.

查看#

可以通过仅更改某些元数据(例如 stride 和 dtype )来以不同的方式访问数组,而无需更改数据缓冲区.这创建了一种查看数据的新方式,这些新数组称为视图.数据缓冲区保持不变,因此对视图所做的任何更改都会反映在原始副本中.可以通过 ndarray.view 方法强制生成视图.

复制#

当通过复制数据缓冲区以及元数据来创建新数组时,该数组称为副本.对副本所做的更改不会反映在原始数组上.制作副本速度较慢且占用大量内存,但有时是必要的.可以使用 ndarray.copy 强制生成副本.

索引操作#

参见

ndarrays 上的索引

当可以通过原始数组中的偏移量和步长来寻址元素时,会创建视图.因此,基本索引始终创建视图.例如:

>>> import numpy as np
>>> x = np.arange(10)
>>> x
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> y = x[1:3]  # creates a view
>>> y
array([1, 2])
>>> x[1:3] = [10, 11]
>>> x
array([ 0, 10, 11,  3,  4,  5,  6,  7,  8,  9])
>>> y
array([10, 11])

在这里,当 x 更改时, y 也会更改,因为它是一个视图.

高级索引 另一方面,总是创建副本.例如:

>>> import numpy as np
>>> x = np.arange(9).reshape(3, 3)
>>> x
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> y = x[[1, 2]]
>>> y
array([[3, 4, 5],
       [6, 7, 8]])
>>> y.base is None
True

在这里, y 是一个副本,由 base 属性表示.我们还可以通过为 x[[1, 2]] 分配新值来确认这一点,这反过来根本不会影响 y

>>> x[[1, 2]] = [[10, 11, 12], [13, 14, 15]]
>>> x
array([[ 0,  1,  2],
       [10, 11, 12],
       [13, 14, 15]])
>>> y
array([[3, 4, 5],
       [6, 7, 8]])

必须在此处注意,在 x[[1, 2]] 的赋值期间,不会创建任何视图或副本,因为赋值是就地发生的.

其他操作#

numpy.reshape 函数在可能的情况下创建视图,否则创建副本.在大多数情况下,可以修改步长以通过视图重塑数组.但是,在某些情况下,数组变得不连续(可能在 ndarray.transpose 操作之后),无法通过修改步长来完成重塑,并且需要复制.在这些情况下,我们可以通过将新形状分配给数组的 shape 属性来引发错误.例如:

>>> import numpy as np
>>> x = np.ones((2, 3))
>>> y = x.T  # makes the array non-contiguous
>>> y
array([[1., 1.],
       [1., 1.],
       [1., 1.]])
>>> z = y.view()
>>> z.shape = 6
Traceback (most recent call last):
   ...
AttributeError: Incompatible shape for in-place modification. Use
`.reshape()` to make a copy with the desired shape.

以另一个操作为例, ravel 返回数组的连续展平视图(如果可能).另一方面, ndarray.flatten 总是返回数组的展平副本.但是,为了在大多数情况下保证视图, x.reshape(-1) 可能是更可取的.

如何判断数组是视图还是副本#

ndarray 的 base 属性可以轻松判断数组是视图还是副本.视图的 base 属性返回原始数组,而副本的 base 属性返回 None .

>>> import numpy as np
>>> x = np.arange(9)
>>> x
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> y = x.reshape(3, 3)
>>> y
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> y.base  # .reshape() creates a view
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> z = y[[2, 1]]
>>> z
array([[6, 7, 8],
       [3, 4, 5]])
>>> z.base is None  # advanced indexing creates a copy
True

请注意,不应使用 base 属性来确定 ndarray 对象是否是新的;只能确定它是另一个 ndarray 的视图还是副本.

On this page