我可以在不复制数据的情况下在 NumPy 数组中组合不相邻的维度吗？答案

【问题标题】：Can I combine non-adjacent dimensions in a NumPy array without copying data?我可以在不复制数据的情况下在 NumPy 数组中组合不相邻的维度吗？
【发布时间】：2020-04-30 09:36:57
【问题描述】：

我想将 3-D NumPy 数组的第一个维度和最后一个维度合并为一个维度，而不复制数据：

import numpy as np

data = np.empty((3, 4, 5))
data = data.transpose([0, 2, 1])

try:
  # this fails, indicating that it is not possible:
  # AttributeError: incompatible shape for a non-contiguous array
  data.shape = (-1, 4)
except AttributeError:
  # this creates a copy of the data:
  data = data.reshape((-1, 4))

这可能吗？

【问题讨论】：

标签： python arrays numpy memory reshape

【解决方案1】：

In [55]: arr = np.arange(24).reshape(2,3,4)                                                               
In [56]: arr1 = arr.transpose(2,1,0)                                                                      
In [57]: arr                                                                                              
Out[57]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])
In [58]: arr1                                                                                             
Out[58]: 
array([[[ 0, 12],
        [ 4, 16],
        [ 8, 20]],

       [[ 1, 13],
        [ 5, 17],
        [ 9, 21]],

       [[ 2, 14],
        [ 6, 18],
        [10, 22]],

       [[ 3, 15],
        [ 7, 19],
        [11, 23]]])

查看这些值在 1d 数据缓冲区中的布局方式：

In [59]: arr.ravel()                                                                                      
Out[59]: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

比较转置后的顺序：

In [60]: arr1.ravel()                                                                                     
Out[60]: 
array([ 0, 12,  4, 16,  8, 20,  1, 13,  5, 17,  9, 21,  2, 14,  6, 18, 10,
       22,  3, 15,  7, 19, 11, 23])

如果散列值的顺序不同，则无法避免复制。

reshape 有这个注释：

您可以将重塑视为首先解开数组（使用给定的索引顺序），然后将 raveled 数组中的元素插入使用与用于散开。

In [63]: arr1.reshape(-1,2)                                                                               
Out[63]: 
array([[ 0, 12],
       [ 4, 16],
       [ 8, 20],
       [ 1, 13],
       [ 5, 17],
       [ 9, 21],
       [ 2, 14],
       [ 6, 18],
       [10, 22],
       [ 3, 15],
       [ 7, 19],
       [11, 23]])

【讨论】：

谢谢！我知道transpose() 和reshape() 可能是不可能的，但我在想也许还有其他操作可以让我这样做。如果确实没有其他解决方案出现，我会让你的答案稍有保留并接受。最后，我设法通过将后续的复制操作从 NumPy 调整到 TensorFlow 来解决我的问题。
无论是通过转置和重塑还是其他方式完成，它仍然需要对底层数据缓冲区进行新的排序。当shape 和strides 的组合允许您访问相同的数据缓冲区时，您将获得view。有没有办法以生成Out[63] 的常规方式遍历Out[59]？我不这么认为。