numpy:如果numpy数组是可见的可靠(非保守)指标

Question

寻找一种可靠地识别numpy对象是否为视图的方法.

相关问题在此之前(这里,这里,这里)出现了很多次,人们提供了一些解决方案,但似乎都有问题:

• pandas现在使用的测试是调用某个视图my_array.base is not None.这似乎总是捕捉到观点,但也提供了许多误报(即使它不是,它报告某些东西是一种观点的情况).
• numpy.may_share_memory() 将检查两个特定的数组,但不会回答一般
  • (@RobertKurn说截至2012年是最好的工具 - 任何变化？)
• flags['OWNDATA'])被报道(第三评论第一个答案)在某些情况下失败.

(我感兴趣的原因是我正在为大熊猫实施写时复制,而保守的指标导致过度复制.)

Answer 1

根据您的用途，flags['OWNDATA']可以完成这项工作。其实你的链接没有问题。在某些情况下它不会失败。它总是会做它应该做的事情。

根据http://docs.scipy.org/doc/numpy-1.10.0/reference/ generated/numpy.require.html：标志“确保数组拥有自己的数据”。

在您的“反例”中，他们使用以下代码：

print (b.flags['OWNDATA'])  #False -- apparently this is a view
e = np.ravel(b[:, 2])
print (e.flags['OWNDATA'])  #True -- Apparently this is a new numpy object.

但是，在第二种情况下， True 是正常行为。

ravel它来自（来自http://docs.scipy.org/doc/numpy-1.10.1/reference/ generated/numpy.ravel.html）的定义。

返回连续的展平数组。返回包含输入元素的一维数组。仅在需要时才制作副本。

这里需要一份副本，所以就制作了一份。所以，变量 e 确实拥有自己的数据。它不是“b 的视图”、“对 b 的引用”、“b 的一部分的别名”。这是一个真正的新数组，包含 b 的一些元素的副本。

所以，我认为如果不跟踪数据的整个来源就不可能检测到这种行为。我相信您应该能够使用该标志构建您的程序。