python - 获取 ndarray 的重新排列 View (也可能是 View )

Question

我正在尝试将 2D ndarray View 作为记录或结构化数组而不进行复制。如果 a 拥有它的数据

，这似乎工作正常

>>> a = np.array([[  1, 391,  14,  26],
              [ 17, 371,  15,  30],
              [641, 340,   4,   7]])
>>> b = a.view(zip('abcd',[a.dtype]*4))
array([[(1, 391, 14, 26)],
       [(17, 371, 15, 30)],
       [(641, 340, 4, 7)]], 
      dtype=[('a', '<i8'), ('b', '<i8'), ('c', '<i8'), ('d', '<i8')])
>>> b.base is a
True

但是如果 a 已经是一个 View ，则此操作会失败。这是一个例子

>>> b = a[:,[0,2,1,3]]
>>> b.base is None
False
>>> b.view(zip('abcd',[a.dtype]*4))
ValueError: new type not compatible with array.

有趣的是，在这种情况下b.base是 View 的转置

>>> (b.base == b.T).all()
True

因此 numpy 无法创建我想要的 View 是有道理的。

但是，如果我使用

>>> b = np.take(a,[0,2,1,3],axis=1)

这会导致 b 成为数据的正确副本，以便重新排列 View 有效。附带问题:有人可以解释一下这种行为与花哨的索引的对比吗？

我的问题是，我的处理方式是否错误？我这样做的方式不受支持吗？如果是这样，正确的方法是什么？

Answer 1

(大编辑)

b 是 F_CONTINGUOUS(请参阅 b.flags)。然后， View 中的字段数需要与 b 的行数匹配，而不是列数:

In [204]: b=a[:,[0,2,1,3]].view('i4,i4,i4')
In [205]: b
Out[205]: 
array([[(0, 4, 8), (2, 6, 10), (1, 5, 9), (3, 7, 11)]], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

更简单的情况是a.copy(order='F').view('i4,i4,i4')

np.take(a,[0,2,1,3],axis=1) 和 a[:,[0,2,1,3]].copy () 生成 C_CONTIGUOUS 副本，因此可以使用 4 个字段进行查看。

另请注意，b.base 有 3 列。

<小时/>

(之前在这个问题上遇到了困难)

成为一个 View 不是问题。

 a = np.arange(12).reshape(3,4)
 a.view('i4,i4,i4,i4')

效果很好。

复制第一个 b 也可以:

 b=a[:,[0,2,1,3]].copy()
 b.view('i4,i4,i4,i4')

第一个 b (没有副本)是 F_CONTIGUOUS (查看 b.flags)。这就是您的 b.base == b.T 显示的内容。

np.take 生成与 b copy 相同类型的数组 - 即相同的标志和相同的 __array_interface__ 显示。

其他有效的方法:

a[[0,2,1],:].view('i4,i4,i4,i4')
a.T[[0,2,1,3],:].T.view('i4,i4,i4,i4')

如果我用纯数组索引替换混合切片和数组索引:

a[[[0],[1],[2]],[0,2,1,3]].view('i4,i4,i4,i4')

结果是C_CONTIGUOUS。因此，[:, [...]] 中有一些我没有解释的细节 - 特别是为什么它会生成 F_CONTIGUOUS 副本。

混合基本/高级索引文档部分确实警告内存布局可能会更改:

http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#combining-advanced-and-basic-indexing

In the simplest case, there is only a single advanced index. A single advanced index can for example replace a slice and the result array will be the same, however, it is a copy and may have a different memory layout. A slice is preferable when it is possible.