python C numpy C 将非连续数据转换为适当的连续数据

发布时间：2023-12-17 02:47:46 所属栏目：Python 来源：DaWei

导读： 请考虑以下代码：

import numpy as np
a = np.zeros(50)
a[10:20:2] = 1
b = c = a[10:40:4]
print b.flags # You'll see that b and c are not C_CONTIGUOUS or F_CONTIGUOUS
我

请考虑以下代码： import numpy as np a = np.zeros(50) a[10:20:2] = 1 b = c = a[10:40:4] print b.flags # You'll see that b and c are not C_CONTIGUOUS or F_CONTIGUOUS

我的问题：

有没有办法(只提到b)使b和c连续？
如果np.may_share_memory(b,a)在此操作后返回False,则完全正常.

接近但不太合理的事情是：np.ascontiguousarray / np.asfortranarray,因为它们将返回一个新数组.

我的用例是我有一个非常大的3D字段存储在numpy.ndarray的子类中.为了节省内存,我想将这些字段切换到我实际感兴趣处理的域的部分：

a = a[ix1:ix2,iy1:iy2,iz1:iz2]

切片为子类比切片ndarray对象更受限制,但这应该有效并且它将“做正确的事情” C 附加在子类上的各种自定义元数据将按预期转换/保留.不幸的是,由于这会返回一个视图,numpy之后不会释放大数组,所以我实际上并没有在这里保存任何内存.

要完全清楚,我希望完成两件事：

>保留我的类实例上的元数据.切片会起作用,但我不确定其他形式的复制.
>使其成为可以自由地收集原始数组

解决方法你可以在cython中做到这一点： In [1]: %load_ext cythonmagic In [2]: %%cython cimport numpy as np np.import_array() def to_c_contiguous(np.ndarray a): cdef np.ndarray new cdef int dim,i new = a.copy() dim = np.PyArray_NDIM(new) for i in range(dim): np.PyArray_STRIDES(a)[i] = np.PyArray_STRIDES(new)[i] a.data = new.data np.PyArray_UpdateFlags(a,np.NPY_C_CONTIGUOUS) np.set_array_base(a,new) In [8]: import sys import numpy as np a = np.random.rand(10,10,10) b = c = a[::2,1::3,2::4] d = a[::2,2::4] print sys.getrefcount(a) to_c_contiguous(b) print sys.getrefcount(a) print np.all(b==d)

输出是：

4 3 True

to_c_contiguous(a)将创建a的c_contiguous副本,并将其作为a的基础.

在调用to_c_contiguous(b)之后,a的refcount减少,当a的refcount变为0时,它将被释放.

（编辑：甘南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!