【发布时间】：2018-05-22 17:10:43
【问题描述】：
我正在研究处理传入数据的框架。
从套接字接收数据并使用移位将数据添加到 numpy 数组 A（用作缓冲区），例如：
A[:-1] = A[1:]
A[-1] = value
框架允许将处理单元加载为可以使用指向 A 的数组视图访问传入数据的类。每次接收新数据并将其存储在 A 中时，都会调用方法 execute()：
def execute(self,):
newSample = self.data[-1]
重要的是新样本始终位于index = -1 下。
用户还可以在__init__ 函数中创建自己的数组视图：
def __init__(self,):
self.myData = self.data[-4:] # view that contains last 4 samples
当我移动数组 A 并在最后添加新值时，一切都很好。但是，对于离线测试，我想在框架开始时加载所有数据并像以前一样运行其他所有内容（即实现数据处理的相同类）。 当然，我可以再次使用 zeros 数组创建 A 缓冲区并使用新值对其进行移位。但是，这涉及到在两个数组之间复制数据，这是绝对没有必要的 - 需要时间和内存。
我在想的是提供一种方法来改变 numpy 数组的边界或改变 A.data 指针。但是，所有解决方案都不允许或导致警告消息。
最后，我正在尝试更改数组 A 的内部偏移量，以便我可以推进它，从而为算法提供更多数据。重要的是，self.data[-1] 必须始终指向新出现的样本，并且应该使用标准的 numpy 数组 API。
我对 np.ndarray 进行了子类化：
class MyArrayView(np.ndarray):
def __new__(cls, input_array):
obj = np.asarray(input_array).view(cls)
# add the new attribute to the created instance
obj._offset = 0
# Finally, we must return the newly created object:
return obj
def __array_finalize__(self, obj):
if obj is None:
return
self._offset = getattr(obj, '_offset', None)
def advance_index(self):
self._offset += 1
def __str__(self):
return super(MyArrayView, self[:]).__str__()
def __repr__(self):
return super(MyArrayView, self[:]).__repr__()
def __getitem__(self, idx):
if isinstance(idx, slice):
start = 0
stop = self._offset
step = idx.step
idx = slice(start, stop, step)
else:
idx = self._offset + idx
return super(MyArrayView, self).__getitem__(idx)
这允许我执行以下操作：
a = np.array([1,2,3,4,5,6,7,8,9,10])
myA = MyArrayView(a)
b = myA
print("b :", b)
for i in range(1,5):
myA.advance_index()
print(b[:], b[-1])
print("b :", b)
print("b + 10 :", b + 10)
print("b[:] + 20 :", b[:] + 20)
并给出以下输出：
b : []
[1] 1
[1 2] 2
[1 2 3] 3
[1 2 3 4] 4
b : [1 2 3 4]
b + 10 : [11 12 13 14]
b[:] + 20 : [21 22 23 24]
到目前为止一切顺利。但是，如果我检查形状：
print("shape", b[:].shape) # shape (4,)
print("shape", b.shape) # shape (10,)
这两种情况是不同的。我尝试使用：shape=(self.internalIndex,) 对其进行更改，但它只会导致我出现错误消息。
我想问你是否认为这是我正在做的正确方式，它只需要在 np.ndarray 类中重载更多函数。或者我应该完全放弃这个解决方案并使用新样本回退到移动阵列？或者是否可以使用标准的 np.ndarray 实现来实现，因为我需要使用标准的 numpy API。
我也试过这个：
a = np.array([1,2,3,4,5,6,7,8,9,10])
b = a.view()[5:]
print(a.data) # <memory at 0x7f09e01d8f48>
print(b.data) # <memory at 0x7f09e01d8f48> They point to the same memory start!
print(np.byte_bounds(a)) # (50237824, 50237904)
print(np.byte_bounds(b)) # (50237864, 50237904) but the byte_bounds are different
因此，考虑到这一点，我想说我需要创建数组 a 的视图并扩展它（或者至少像窗口一样将它移动到 a 之上）。
但是，我所有更改 byte_bounds 的尝试都没有带来任何效果。
【问题讨论】：
标签： python numpy subclass offset