Question

似乎numpy.transpose仅保存步幅，并且实际上确实根据this进行了变位

那么，什么时候实际发生数据移动以及如何移动？使用许多memcpy吗？或其他技巧？

我遵循的路径： array_reshape， PyArray_Newshape， PyArray_NewCopy， PyArray_NewLikeArray， PyArray_NewFromDescr， PyArray_NewFromDescrAndBase， PyArray_NewFromDescr_int 但对轴置换一无所知。确实何时发生？

Answer 1

您的问题的答案是：Numpy不会移动数据。

您在上述链接的第688行上看到PyArray_Transpose吗？此功能有一个替代品，

    n = permute->len;
    axes = permute->ptr;
    ...
    for (i = 0; i < n; i++) {
        int axis = axes[i];
        ...
        permutation[i] = axis;
}

任何数组形状都是纯粹的元数据，Numpy使用它来理解如何处理数据，因为内存始终是线性且连续存储的。因此，没有理由从文档here

移动或重新排序任何数据

其他操作（例如转置）不会移动数据元素在数组中四处移动，而是更改有关形状和步幅的信息，以使数组的索引发生变化，但是中的数据不会移动。通常，这些新版本的数组元数据和相同的数据缓冲区是新的“视图”进入数据缓冲区。有一个不同的ndarray对象，但是它使用相同的数据缓冲区。这就是为什么有必要强制复印通过如果真的想制作一个新的独立文件，请使用.copy（）方法数据缓冲区的副本。

复制的唯一原因可能是最大化cache efficiency，尽管Numpy已经considers，

事实证明，numpy在处理ufunc时足够聪明，可以确定哪个索引是内存中变化最快的索引并将其用于最内层循环。

Answer 2

通过numpy C代码进行跟踪是一个缓慢而乏味的过程。我更喜欢根据时间来推断行为模式。

制作示例数组及其转置：

In [168]: A = np.random.rand(1000,1000)
In [169]: At = A.T

首先快速浏览-无需处理数据缓冲区：

In [171]: timeit B = A.ravel()
262 ns ± 4.39 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

快速复制（大概使用了一些快速的块内存应对方法）：

In [172]: timeit B = A.copy()
2.2 ms ± 26.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

慢速复制（可能需要按照跨步顺序遍历源，并按照自己的顺序遍历目标）：

In [173]: timeit B = A.copy(order='F')
6.29 ms ± 2.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

无需更改顺序即可复制At-快速：

In [174]: timeit B = At.copy(order='F')
2.23 ms ± 51.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

类似于[173]，但从“ F”变为“ C”：

In [175]: timeit B = At.copy(order='C')
6.29 ms ± 4.16 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [176]: timeit B = At.ravel()
6.54 ms ± 214 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

具有更简单的跨步重新排序的副本介于两者之间：

In [177]: timeit B = A[::-1,::-1].copy()
3.75 ms ± 4.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [178]: timeit B = A[::-1].copy()
3.73 ms ± 6.48 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [179]: timeit B = At[::-1].copy(order='K')
3.98 ms ± 212 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

此astype还需要较慢的副本：

In [182]: timeit B = A.astype('float128')
6.7 ms ± 8.12 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

PyArray_NewFromDescr_int被描述为Generic new array creation routine.虽然我不知道它将数据从源复制到目标的位置，但显然是在检查order和strides以及dtype。大概可以处理需要通用副本的所有情况。轴排列不是特殊情况。

Numpy在转置矩阵时如何移动数据？

2 个答案: