重复的numpy子数组

Question

这是对我的问题的简化。我有一个 numpy 数组：

x = np.array([0,1,2,3])

我有一个功能：

def f(y): return y**2

我可以计算 f(x)。

现在假设我真的想为重复的 x 计算 f(x)：

x = np.array([0,1,2,3,0,1,2,3,0,1,2,3])

有没有一种方法可以做到这一点，而无需创建 x 的重复版本并且以对 f 透明的方式？

在我的特定情况下，f 是一个涉及的函数，其中一个参数是 x。我希望能够在 x 重复时计算 f 而无需实际重复它，因为它不适合内存。

重写 f 来处理重复的 x 是可行的，我希望有一种聪明的方法可以子类化一个 numpy 数组来做到这一点。

感谢任何提示。

Answer 1

你可以（几乎）通过使用一些大步的技巧来做到这一点。

但是，有一些主要的警告......

import numpy as np
x = np.arange(4)
numrepeats = 3

y = np.lib.stride_tricks.as_strided(x, (numrepeats,)+x.shape, (0,)+x.strides)

print y
x[0] = 9
print y

所以，y 现在是x 的一个视图，其中每一行都是x。没有使用新内存，我们可以将y 设为任意大小。

例如，我可以这样做：

import numpy as np
x = np.arange(4)
numrepeats = 1e15

y = np.lib.stride_tricks.as_strided(x, (numrepeats,)+x.shape, (0,)+x.strides)

...并且使用的内存不要超过x 所需的 32 字节。 （y 将使用 ~8 PB 内存，否则）

但是，如果我们重塑y 使其只有一个维度，我们将获得一个将使用全部内存的副本。无法使用步幅和形状来描述 x 的“水平”平铺视图，因此任何小于 2 维的形状都将返回一个副本。

此外，如果我们以会返回副本的方式对 y 进行操作（例如，您的示例中的 y**2），我们将获得一个完整副本。

因此，就地操作更有意义。 （例如y **= 2，或等效的x **= 2。两者都会完成同样的事情。）

即使是泛型函数，您也可以传入x 并将结果放回x。

例如

def f(x):
    return x**3

x[...] = f(x)
print y

y 也将更新，因为它只是x 的视图。