子集影响 .view(np.float64) 行为

Question

我正在尝试使用一些 sklearn 估计器对一些快速傅立叶变换（技术上的离散傅立叶变换）的系数进行分类。我获得了一个 numpy 数组 X_c 作为 np.fft.fft(X) 的输出，我想将其转换为一个真正的 numpy 数组 X_r，原始 X_c 的每个（复杂）列都转换为两个（实/浮点）列X_r，即形状从 (r, c) 到 (r, 2c)。所以我使用 .view(np.float64)。并且一开始就有效。

问题是，如果我首先决定只保留原始复数数组的一些系数 X_c2 = X_c[:, range(3)] 然后做和以前一样的事情，而不是让列数加倍，我得到的秩数加倍（每个元素的虚部放在原来的下面的新行中）。

我真的不明白为什么会这样。

为了让自己更清楚，这里是一个玩具示例：

import numpy as np

# I create a complex array
X_c = np.arange(8, dtype = np.complex128).reshape(2, 4)
print(X_c.shape) # -> (2, 4)

# I use .view to transform it into something real and it works
# the way I want it.
X_r = X_c.view(np.float64)
print(X_r.shape) # -> (2, 8)

# Now I subset the array.
indices_coef = range(3)
X_c2 = X_c[:, indices_coef]
print(X_c2.shape) # -> (2, 3)
X_r2 = X_c2.view(np.float64)

# In the next line I obtain (4, 3), when I was expecting (2, 6)...
print(X_r2.shape) # -> (4, 3)

有人看到造成这种行为差异的原因吗？

Answer 1

我收到警告：

In [5]: X_c2 = X_c[:,range(3)]
In [6]: X_c2
Out[6]: 
array([[ 0.+0.j,  1.+0.j,  2.+0.j],
       [ 4.+0.j,  5.+0.j,  6.+0.j]])
In [7]: X_c2.view(np.float64)
/usr/local/bin/ipython3:1: DeprecationWarning: Changing the shape of non-C contiguous array by
descriptor assignment is deprecated. To maintain
the Fortran contiguity of a multidimensional Fortran
array, use 'a.T.view(...).T' instead
  #!/usr/bin/python3
Out[7]: 
array([[ 0.,  1.,  2.],
       [ 0.,  0.,  0.],
       [ 4.,  5.,  6.],
       [ 0.,  0.,  0.]])


In [12]: X_c2.strides
Out[12]: (16, 32)
In [13]: X_c2.flags
Out[13]: 
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True

所以这个副本（或者是一个视图？）是 Fortran 命令。推荐的 X_c2.T.view(float).T 会生成相同的 4x3 数组而不会发出警告。

正如您的第一个视图所示，复杂数组的数据布局与两倍的浮点数相同。

我在尝试view 结构化数组时看到了有趣的形状行为。我想知道 complex dtype 的行为很像 dtype('f8,f8') 数组。

---

如果我将您的 X_c2 更改为副本，我会得到预期的行为

In [19]: X_c3 = X_c[:,range(3)].copy()
In [20]: X_c3.flags
Out[20]: 
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
In [21]: X_c3.strides
Out[21]: (48, 16)
In [22]: X_c3.view(float)
Out[22]: 
array([[ 0.,  0.,  1.,  0.,  2.,  0.],
       [ 4.,  0.,  5.,  0.,  6.,  0.]])

这让人放心。但我很困惑为什么[:, range(3)] 索引会创建一个 F 顺序视图。那应该是提前索引。

确实，真正的切片不允许这种视图

In [28]: X_c[:,:3].view(np.float64)
---------------------------------------------------------------------------
ValueError: new type not compatible with array.

所以范围索引创建了某种混合对象。