查看到Numpy阵列？

Question

我有2D numpy 大批。有没有办法在其中创建一个视图，其中包括第一个 k 行和所有列？

关键是避免复制基础数据（数组太大，以至于制作部分副本是不可行的。）

Answer 1

当然，只需像平常一样索引。例如 y = x[:k, :] 这将返回原始数组中的视图。不会复制数据，并且对 y 将反映在 x 反之亦然。

---

编辑：

我通常使用UINT8的> 10GB 3D阵列，因此我很担心这一点...如果您牢记一些事情，Numpy在内存管理方面可能非常有效。以下是避免在内存中制作数组副本的一些技巧：

利用 +=, -=, *=, 等，以避免制作数组的副本。例如 x += 10 将修改到位的数组， x = x + 10 将复制并修改它。 （还要看看 numexpr)

如果您想与 x = x + 10, ， 意识到 x = x + 10.0 将造成 x 如果还没有，则自动被抛入浮点阵列。然而， x += 10.0, ， 在哪里 x 是整数数组，将导致 10.0 相反，要将其降低到与数组相同精度的INT。

此外，许多Numpy功能都采用 out 参数，因此您可以做类似的事情 np.abs(x, x) 占据绝对价值 x 到位。

---

作为第二次编辑，这里还有一些有关 视图 VS. 副本 带有Numpy数组：

与python列表不同， y = x[:] 不返回副本，它将返回视图。如果您确实想要一份副本（当然，这是您使用的内存的两倍）使用 y = x.copy()

您通常会听到有关Numpy阵列的“花式索引”。使用列表（或整数数组）作为索引是“花哨的索引”。它可能非常有用，但是复制数据。

作为一个例子： y = x[[0, 1, 2], :] 返回副本， y = x[:3,:] 会返回视图。

甚至真的很疯狂地索引 x[4:100:5, :-10:-1, None] 是“正常”的索引并会返回视图，因此不要害怕在大型阵列上使用各种切片技巧。

x.astype(<dtype>) 将返回数据副本作为新类型，而x.view(<dtype>) 将返回视图。

但是，请注意这一点……它非常强大且有用，但是您需要了解基础数据如何存储在内存中。如果您有一系列的浮子，并将它们视为ints，（反之亦然）numpy将解释基础 位 数组作为ints。

例如，这意味着 1.0 作为一个小型系统上的64位漂浮 4607182418800017408 当被视为64位int时 [ 0, 0, 0, 0, 0, 0, 240, 63] 如果被视为UINT8。当您需要在大型数组上进行某种形式的某种扭转时，这真的很好，但是……您对如何解释内存缓冲区的解释具有低级别的控制。