通过沿一个轴堆叠将两个 numpy 视图组合成一个视图

Question

我是否在概念上没有掌握某些东西（仅类似 question）或者为什么沿第一个 axis=0 堆叠多个视图不会产生新视图？问题：多个二维数组，其中单行应组合成一个新矩阵，这也是不增加内存使用的观点。示例：

recs = np.arange(2*2).reshape(2,2)
recs2 = np.arange(4,2*2*2).reshape(2,2)
print(recs)
print(recs2)
rv0 = recs[0].view()
r2v0 = recs2[0].view()
#now combine
mview = np.stack([rv0,r2v0], axis=0)
print(mview)
np.may_share_memory(mview,recs2)

打印

[[0 1]
 [2 3]]
[[4 5]
 [6 7]]
[[0 1]
 [4 5]]
False #sure a copy

是不是因为二维数组是单独的内存区域并且生成的数组不允许切片等？

Answer 1

所有concatenate（stack 只是另一种调用方式）创建一个带有自己的数据缓冲区的数组。它绝不是原件的view。

您的 rv0 是一个数组 (np.ndarray)，类似于 recs，具有自己的形状、dtype 和步幅。它只是与recs 共享数据缓冲区。它可以被描述为recs 的“视图”，但除此之外，它就像任何其他数组一样使用。它没有特别标记为view 类或对象。

In [409]: recs = np.arange(2*2).reshape(2,2)
     ...: recs2 = np.arange(4,2*2*2).reshape(2,2)

由于recs 是由arange 生成的数组的reshape，因此它也是“视图”。这可以通过以下方式变得更加明显：

temp = np.arange(2*2)
recs = temp.reshape(2,2)
np.may_share_memory(temp, recs)

我们可以通过ravel() 获取数据缓冲区的快照（可以说是生成一维视图）：

In [411]: recs.ravel()
Out[411]: array([0, 1, 2, 3])
In [412]: recs2.ravel()
Out[412]: array([4, 5, 6, 7])

现在看stack：

In [414]: mview = np.stack([recs,recs2], axis=0)
In [415]: mview
Out[415]: 
array([[[0, 1],
        [2, 3]],

       [[4, 5],
        [6, 7]]])
In [416]: mview.ravel()
Out[416]: array([0, 1, 2, 3, 4, 5, 6, 7])

mview 的 ravel 不是 Out[411] 和 Out[412] 的子集。 mview 必须有自己的连续数据缓冲区。没有机制可以使数组与 2 个或更多其他数组共享内存（除非它们也共享内存）。

---

即使是由同一数组的切片组成的 stack 也有自己的数据缓冲区：

In [420]: x = np.stack((recs[0],recs[1]))
In [421]: x
Out[421]: 
array([[0, 1],
       [2, 3]])
In [422]: np.may_share_memory(recs, x)
Out[422]: False

我喜欢使用__array_interface__ 来检查数据缓冲区的位置（其他定义属性）：

In [423]: recs.__array_interface__
Out[423]: 
{'data': (37584304, False),
 'strides': None,
 'descr': [('', '<i8')],
 'typestr': '<i8',
 'shape': (2, 2),
 'version': 3}

In [424]: x.__array_interface__
Out[424]: 
{'data': (37614336, False),
 'strides': None,
 'descr': [('', '<i8')],
 'typestr': '<i8',
 'shape': (2, 2),
 'version': 3}