Question

这是我的代码

my_array_1 = np.arange(25).reshape(5, 5)
print(my_array_1)

my_array_red = my_array_1[:, 1::2]
print(my_array_red)

my_array_blue = my_array_1[1::2, 0:3:2]
print(my_array_blue)

my_array_yellow = my_array_1[-1, :]
print(my_array_yellow)

print(id(my_array_1))
print(id(my_array_red))
print(id(my_array_yellow))
print(id(my_array_blue))

print(my_array_1.data)
print(my_array_red.data)
print(my_array_blue.data)
print(my_array_yellow.data)

以下是输出：

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]
[[ 1  3]
 [ 6  8]
 [11 13]
 [16 18]
 [21 23]]
[[ 5  7]
 [15 17]]
[20 21 22 23 24]
2606769150592
2606769282544
2607017647120
2606769282624
<memory at 0x0000025EFE56CA68>
<memory at 0x0000025EFE56CA68>
<memory at 0x0000025EFE56CA68>
<memory at 0x0000025EFE5A8F48>

问题：只需检查我的输出的最后4行。为什么my_array_1.data.data，my_array_red.data和my_array_blue.data具有相同的值，但是与my_array_yellow.data具有不同的值呢？

Answer 1

我发现data的{{1}}值更有意义：

__array_interface__

In [2]: my_array_1.__array_interface__['data'] Out[2]: (33691856, False) In [3]: my_array_red.__array_interface__['data'] Out[3]: (33691864, False) In [4]: my_array_blue.__array_interface__['data'] Out[4]: (33691896, False) In [5]: my_array_yellow.__array_interface__['data'] Out[5]: (33692016, False)是数据缓冲区的开始。

Out[2]大8字节-从一开始就是一个元素。

red在下一行中是40个字节

blue

In [8]: my_array_1.strides Out[8]: (40, 8)的长度为160个字节-这是最后一行的开始（末尾40个）

yellow

In [9]: 2016-1856 Out[9]: 160 In [10]: my_array_1.nbytes Out[10]: 200的地址各不相同，但位于同一球场。但是它们很难解释。

data

In [11]: my_array_1.data Out[11]: <memory at 0x7fa975369a68> In [12]: my_array_red.data Out[12]: <memory at 0x7fa975369b40> In [13]: my_array_blue.data Out[13]: <memory at 0x7fa975369c18> In [14]: my_array_yellow.data Out[14]: <memory at 0x7fa9710f11c8>属性可以在data构造函数中使用：

ndarray中的两个元素：

yellow

相同的2个元素，但具有原始地址和偏移量（如上所述）：

In [17]: np.ndarray(2,dtype=my_array_1.dtype,buffer=my_array_yellow.data)
Out[17]: array([20, 21])

实际上，In [18]: np.ndarray(2,dtype=my_array_1.dtype,buffer=my_array_1.data, offset=160) Out[18]: array([20, 21])显示不会告诉我们有关数据缓冲区的位置的任何信息。引用缓冲区的是data对象的地址，而不是缓冲区本身的地址。再次调用memoryview，并获得一个不同的memoryview对象：

data

如果我打印这些memoryview对象，则会得到与您相同的模式：

In [19]: my_array_1.data
Out[19]: <memory at 0x7fa975369cf0>

对于23和24，它只是重复使用一个内存插槽，因为使用print并没有持久性。我不确定为什么In [22]: print(my_array_1.data) <memory at 0x7fa970e37120> In [23]: print(my_array_red.data) <memory at 0x7fa970e37120> In [24]: print(my_array_blue.data) <memory at 0x7fa970e37120> In [25]: print(my_array_yellow.data) <memory at 0x7fa9710f17c8>不重用它，除非对象可能完全不同，以致于无法容纳在同一空间中。在yellow等情况下，Out[11]缓冲会挂在那些对象上，因此不会重用。

这只是强化了这样的观念：这些ipython的印刷显示没有什么意义。它与数据缓冲区位置无关。它更像memoryview objects，只是内存中的任意位置。

numpy，Python3.6-无法理解为什么地址不同？

1 个答案: