麻木 |十六进制（id（））与.data

Question

我有两天一直在处理的两个问题：

如果我想为一个 numpy 对象 adarray 确定对象的内存地址和使用 numpy 方法 .array 的元素，一次使用普通的 python 函数 hex(id()) 我得到不同的地址。 使用 hex(id()) 它变得非常奇怪。有时元素会得到相同的地址，有时会得到不同的地址。

import numpy as np
y = np.array([0,1,2,3])
print(y.data)
print(y[0].data)
print(y[1].data)
print(y[2].data)
print(y[3].data)
print(hex(id(y[0])))
print(hex(id(y[1])))
print(hex(id(y[2])))
print(hex(id(y[3])))

结果是：

<memory at 0x7f9aaa22d870>
<memory at 0x7f9aaa1bd940>
<memory at 0x7f9aaa1bd940>
<memory at 0x7f9aaa1bd940>
<memory at 0x7f9aaa1bd940>
0x7f9aaa31e030

with hex((id))
0x7f9aaa1c0750
0x7f9aaa1c0730
0x7f9aaa1c0130
0x7f9aaa1c0750

Answer 1

这些结果中的大多数并不代表您的想法，因为 NumPy 内存布局的工作方式与您的想法不同。

NumPy 数组对象不是它的数据缓冲区。数据缓冲区是独立的。有了数组所需的所有元数据，数组就不可能真正成为它的数据缓冲区，并且由于 NumPy 如何大量使用数组视图，数组也不可能直接包含其缓冲区。许多数组可以共享同一个数据缓冲区，或者具有重叠的数据缓冲区。

一个 NumPy 数组对象包含一些元数据和一些指针，其中一个指向它的缓冲区。如果你做了print(hex(id(y)))，你就会得到数组对象本身的地址。使用print(y.data)，您打印一个代表数组数据缓冲区的memoryview 对象，“at 0x...”给出缓冲区的地址。

---

当您执行y[0] 时，这并不是真正的数组元素。这是一个新的array scalar 对象，表示一个不可变标量，其值取自y 的第一个索引。它确实不直接引用用于y的第一个元素的内存，因为当有人这样做时

x = y[0]
y[0] = 1

他们不希望y[0] = 1 分配影响x。

数组标量有自己的地址和自己的数据缓冲区，与数组标量本身分开。数组标量的生命周期非常短，因此如果 y[0] 的生命周期在您检索 y[1] 之前结束，y[0] 和 y[1] 可能最终使用相同的内存。他们没有必须使用相同的内存，但他们可以。

当您执行print(hex(id(y[0]))) 时，您正在打印数组标量的地址。当您执行print(y[0].data) 时，您正在打印一个表示数组标量数据缓冲区的内存视图。

---

话虽如此，对于这些内存地址几乎没有任何用处，尤其是在您不编写 C 扩展的情况下。如果您正在编写 C 扩展，那么您可能仍然不应该直接使用这些地址中的任何一个。 Cython 比直接写 C 代码方便多了。如果您确实想编写 C 来与 NumPy 进行交互，那么您需要更深入地了解 NumPy 数组是如何工作的，您应该阅读NumPy C API docs。