numpy数组行主要和列专业

Question

我无法理解如何numpy存储其数据.考虑以下:

>>> import numpy as np
>>> a = np.ndarray(shape=(2,3), order='F')
>>> for i in xrange(6): a.itemset(i, i+1)
... 
>>> a
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.]])
>>> a.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

这表示a列major(F_CONTIGUOUS)因此在内部a应如下所示:

[1, 4, 2, 5, 3, 6]

这正是本词汇表中所述的内容.令我困惑的是,如果我尝试以a线性方式访问数据而不是我得到:

>>> for i in xrange(6): print a.item(i)
... 
1.0
2.0
3.0
4.0
5.0
6.0

在这一点上,我不确定F_CONTIGUOUS旗帜告诉我们什么,因为它不尊重订购.显然python中的所有内容都是行主要的,当我们想以线性方式迭代时,我们可以使用迭代器flat.

问题如下:假设我们有一个数字列表,比如说:1, 2, 3, 4, 5, 6,我们如何在列主要顺序中创建一个numpy形状数组(2, 3)？那我怎么能得到一个看起来像这样的矩阵

array([[ 1.,  3.,  5.],
       [ 2.,  4.,  6.]])

我真的希望能够在列表上线性迭代并将它们放入新创建的列表中ndarray.原因是因为我将读取以列主要顺序设置的多维数组的文件.

Answer 1

numpy以行主要顺序存储数据.

>>> a = np.array([[1,2,3,4], [5,6,7,8]])
>>> a.shape
(2, 4)
>>> a.shape = 4,2
>>> a
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])

如果更改形状,则数据顺序不会更改.

如果你添加'F',你可以得到你想要的.

>>> b
array([1, 2, 3, 4, 5, 6])
>>> c = b.reshape(2,3,order='F')
>>> c
array([[1, 3, 5],
       [2, 4, 6]])

Answer 2

你的问题已得到解答,但我想我会加上这个来解释你的观察,"在这一点上,我不确定F_CONTIGUOUS国旗告诉我们什么,因为它不遵守命令."

该item方法不会像您认为的那样直接访问数据.为此,您应该访问该data属性,该属性为您提供字节字符串.

一个例子:

c = np.array([[1,2,3],
              [4,6,7]], order='C')

f = np.array([[1,2,3],
              [4,6,7]], order='F')

守

print c.flags.c_contiguous, f.flags.f_contiguous
# True, True

和

print c.nbytes == len(c.data)
# True

现在让我们打印两者的连续数据:

nelements = np.prod(c.shape)
bsize = c.dtype.itemsize # should be 8 bytes for 'int64'
for i in range(nelements):
    bnum = c.data[i*bsize : (i+1)*bsize] # The element as a byte string.
    print np.fromstring(bnum, dtype=c.dtype)[0], # Convert to number.

这打印:

1 2 3 4 6 7

这是我们所期望的,因为它c是订单'C',即它的数据存储在行主要连续.

另一方面,

nelements = np.prod(f.shape)
bsize = f.dtype.itemsize # should be 8 bytes for 'int64'
for i in range(nelements):
    bnum = f.data[i*bsize : (i+1)*bsize] # The element as a byte string.
    print np.fromstring(bnum, dtype=f.dtype)[0], # Convert to number.

版画

1 4 2 6 3 7

这也是我们期望看到的,因为f数据存储在列主要连续的位置.

Answer 3

想在评论中添加这个，但我的代表太低了：

虽然 Kill Console 的回答给出了 OP 所需的解决方案，但我认为重要的是要注意 numpy.reshape() 文档 ( https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape) 中所述。 html ):

请注意，无法保证返回数组的内存布局（C 或 Fortran 连续）。

因此，即使视图是按列显示的，数据本身也可能不是，这可能会导致计算效率低下，而这可能会受益于数据按列存储在内存中。也许：

a = np.array(np.array([1, 2, 3, 4, 5, 6]).reshape(2,3,order='F'), order='F')

提供了更多的数据按列存储的保证（请参阅https://docs.scipy.org/doc/numpy-1.15.1/reference/generated/numpy.array.html 上的订单参数说明）。