Question

如何复制numpy数组，使其与原始数组具有相同的内存布局，包括步幅和任何相关的不连续性？基本上，新的__array_interface__应该是相同的，除了指针。

理由：我需要针对不连续的数组测试我的代码，我需要运行多个破坏性测试，因此需要一个保留不连续性的副本。

示例（请注意，复制会更改步幅）：

>>> import numpy as np
>>> a = np.empty((10, 6))
>>> b = a[::2]
>>> b.strides
(96, 8)
>>> b.copy(order='K').strides
(48, 8)

修改

以下是我根据senderle的答案使用的完整功能：

def exact_copy(data):
    if data.base is None:
        return data.copy()        
    base = data.base.copy()
    offset = (data.__array_interface__['data'][0] -
              data.base.__array_interface__['data'][0])
    return np.ndarray(buffer=base.data, shape=data.shape, strides=data.strides,
                      offset=offset, dtype=data.dtype)

Answer 1

基本上，你可以这样做，但在大多数情况下你可能不应该 - 效益不是那么大，numpy中的很多东西对于非连续数据来说更难。

但是，做你想做的事并不难 - 你可以使用strides公开的ndarray参数。假设我们从一个里面有一些美味苹果的阵列开始，但还有很多其他的东西。我们如何把苹果拿出来？

>>> xapplesx = numpy.array(list('xxxaxpxpxlxexsxxx'))
>>> xapplesx
array(['x', 'x', 'x', 'a', 'x', 'p', 'x', 'p', 'x', 'l', 'x', 'e', 'x',
       's', 'x', 'x', 'x'], 
      dtype='|S1')

我们希望从索引3开始，我们希望获取所有其他值并将其放在一维视图中，这意味着我们希望获取每个2 nd值。

所以我们通过了offset=3和strides=(2,)：

>>> apples = numpy.ndarray(shape=(6,), dtype='|S1', 
                           buffer=xapplesx, offset=3, strides=(2,))
>>> apples
array(['a', 'p', 'p', 'l', 'e', 's'], 
      dtype='|S1')

习惯于以这种方式直接使用strides需要仔细考虑。假设我们想要获得我们的苹果并将它们放在x以上。现在我们想要一个二维数组，我们必须为两个维度指定步幅。但我们希望第二行数据包含苹果之后的值。因此，我们为该维度指定了1的步幅：

>>> applesoverx = numpy.ndarray(shape=(2, 6), dtype='|S1', 
                                buffer=xapplesx, offset=3, strides=(1, 2))
>>> applesoverx
array([['a', 'p', 'p', 'l', 'e', 's'],
       ['x', 'x', 'x', 'x', 'x', 'x']], 
      dtype='|S1')

如果您在获取正确的buffer数据时遇到问题，可以执行以下操作：

>>> a = np.arange(12).reshape(4,3)[::-1,:]
>>> x = np.ndarray(shape=a.shape, buffer=a.base.data, 
                   strides=a.strides, offset=72, dtype=a.dtype)

唯一的技巧是你必须计算出正确的偏移量。结果是（我很确定）一个完美的克隆：

>>> x
array([[ 9, 10, 11],
       [ 6,  7,  8],
       [ 3,  4,  5],
       [ 0,  1,  2]])
>>> a
array([[ 9, 10, 11],
       [ 6,  7,  8],
       [ 3,  4,  5],
       [ 0,  1,  2]])
>>> x.shape
(4, 3)
>>> a.shape
(4, 3)
>>> x.strides
(-24, 8)
>>> a.strides
(-24, 8)
>>> id(x.base)
140602344736320
>>> id(a.base)
140602344736320

如果要复制原始数据，可以使用a.base.copy().data作为buffer参数。并且（正如Luke指出的那样），你可以用这个确定偏移量（见上文）：

a.__array_interface__['data'][0] - a.base.__array_interface__['data'][0]

这为您提供了对给定数组缓冲区开始的指针的引用，如文档here所述。

如何制作numpy数组的精确副本（包括步幅）

1 个答案: