为什么不复制 numpy 数组会更改数据属性？答案

【问题标题】：How come not-copying a numpy array changes the data attribute?为什么不复制 numpy 数组会更改数据属性？
【发布时间】：2020-07-20 22:56:57
【问题描述】：

正如我下面的 MWE 所示，在现有数组 a 上调用 np.array(a, copy=False) 返回的行为与预期完全相同，除了 .data 属性似乎不同。这怎么可能？

>>> a                               # My original array
array([2])
>>> b = np.array(a, copy=False)     # Not-a-copy of the original array
>>> b is a                          # The Python objects seem to be identical
True
>>> b.data is a.data                # But their .data attributes aren't??
False
>>> a.data
<memory at 0x7f82ebd757c8>
>>> b.data
<memory at 0x7f82ebd75888>
>>> b 
array([2])
>>> a
array([2])
>>> a[:] = 3                        # Changing a indeed also changes b
>>> a
array([3])
>>> b
array([3])
>>> a.data
<memory at 0x7f82ebd757c8>
>>> b.data
<memory at 0x7f82ebd75888>

编辑

在玩的时候，我什至发现.data属性在看的时候发生了变化！

>>> a.data is a.data        # a.data isn't equal to itself?!
False
>>> a.data
<memory at 0x7f82ebd75948>
>>> a.data
<memory at 0x7f82ebd75888>  # A different value than a minute ago
>>> a.data
<memory at 0x7f82ebd75948>
>>> a.data
<memory at 0x7f82ebd75888>
>>> a.data
<memory at 0x7f82ebd75948>
>>> a.data
<memory at 0x7f82ebd75888>
>>> a.data
<memory at 0x7f82ebd75948>
>>> a.data
<memory at 0x7f82ebd75888>
>>> a.data
<memory at 0x7f82ebd75948>

【问题讨论】：

标签： python arrays numpy numpy-ndarray

【解决方案1】：

如果你输入：

help(a.data)

您会发现它并没有完全按照您的预期返回：

class memoryview(object)
 |  memoryview(object)
 |  
 |  Create a new memoryview object which references the given object.
 |  
 |  Methods defined here:
 |

它创建一个引用该对象的内存视图。如果你想要内存地址使用id:

id(a) == id(b)
True

注意：

id(a) is id(b)
False

因为id(a) 也返回一个整数和 id(b) 并且它们的内存地址不相同，尽管它们的值是相同的。

如果你想要十六进制内存：

hex(id(a))

另外，来自 NumPy 文档：numpy.ndarray.data（我真的不知道为什么这个 .data 有用但它确实存在）

【讨论】：

我认为您误读了文档字符串。文档说调用 memoryview 类会创建一个新的 memoryview 对象。并不是说访问 numpy 数组的 data 属性会创建一个新的 memoryview 对象。
不是我原来的问题的一部分，但我正在寻找的内存地址是底层数组的地址，而不是 python 数组对象的地址。 id 函数不适用于此：id(a.view(np.ndarray)) == id(a) 返回 False。
确实是这样，没想到为什么每次都在变化，但我猜这是因为返回的python缓冲区对象，我会更多地搜索它docs.python.org/3.0/c-api/buffer.html@Martin
您使用的视图错误，应该是：id(a.view(type=np.ndarray)) == id(a)` 即True您编写 dtype 将是 np.ndarray，因此将创建另一个数组 docs.scipy.org/doc/numpy/reference/generated/…
id(a) is not id(b) 因为创建了两个不同的 int 对象。这与底层数组无关。

【解决方案2】：

In [33]: a = np.array([2])                                                                             
In [34]: b = np.array(a, copy=False)

__array_interface__ 字典是检查共享数据缓冲区的一种很好的人类可读方法。

In [36]: a.__array_interface__                                                                         
Out[36]: 
{'data': (69508768, False),
 'strides': None,
 'descr': [('', '<i8')],
 'typestr': '<i8',
 'shape': (1,),
 'version': 3}
In [37]: b.__array_interface__                                                                         
Out[37]: 
{'data': (69508768, False),
 'strides': None,
 'descr': [('', '<i8')],
 'typestr': '<i8',
 'shape': (1,),
 'version': 3}

a.data 可用于创建一个新数组，但在其他方面不是很有用。对于大多数用途来说，即使是这种用法也太低级了：

In [44]: c = np.ndarray(shape=(1,1), dtype=int, buffer=a.data)                                         
In [45]: c                                                                                             
Out[45]: array([[2]])
In [46]: c.__array_interface__                                                                         
Out[46]: 
{'data': (69508768, False),
 'strides': None,
 'descr': [('', '<i8')],
 'typestr': '<i8',
 'shape': (1, 1),
 'version': 3}

【讨论】：