python - numpy:如果 numpy 数组是 View ，则可靠(非保守)指示符

Question

寻找一种方法来可靠地识别 numpy 对象是否是 View 。

相关问题之前已经出现过很多次(here、here、here)，人们也提出了一些解决方案，但似乎都有问题:

• 现在pandas 中使用的测试是在my_array.base 不是None 时调用某个 View 。这似乎总能捕获 View ，但也提供了许多误报(它报告某些内容的情况是 View ，即使它不是 View )。
• numpy.may_share_memory() 将检查两个特定数组，但一般不会回答
  • (@RobertKurn 说它是 2012 年最好的工具——有什么变化吗？)
• flags['OWNDATA']) 为 reported (third comment first answer)在某些情况下失败。

(我感兴趣的原因是我正在为 pandas 实现写时复制，保守的指标导致过度复制。)

Answer 1

根据您的使用情况，flags['OWNDATA'] 可以完成这项工作。实际上，您的链接没有问题。 在某些情况下它不会失败。它总是会做它应该做的事情。

根据http://docs.scipy.org/doc/numpy-1.10.0/reference/generated/numpy.require.html :标志“确保数组拥有自己的数据”。

在您的“反例”中，他们使用代码:

print (b.flags['OWNDATA'])  #False -- apparently this is a view
e = np.ravel(b[:, 2])
print (e.flags['OWNDATA'])  #True -- Apparently this is a new numpy object.

但是，在第二种情况下为 True 是正常行为。

它来自 ravel 的定义(来自 http://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.ravel.html )。

Return a contiguous flattened array. A 1-D array, containing the elements of the input, is returned. A copy is made only if needed.

这里需要一个副本，所以制作了一个副本。因此，变量 e 真正拥有自己的数据。它不是“b 的 View ”、“对 b 的引用”、“b 的一部分的别名”。这是一个真正的新数组，包含 b 的一些元素的副本。

所以，我认为如果不跟踪数据的整个来源来检测这种行为是不可能的。我相信您应该能够使用该标志构建您的程序。