numpy：可靠（非保守）指標，如果numpy數組是查看

尋找一種方法來可靠地識別numpy對象是否是一個視圖。numpy：可靠（非保守）指標，如果numpy數組是查看

相關問題已經提出了很多次（here，here，here），人們已經提出了一些解決方案，但都似乎有問題：

現在pandas使用的測試是指對某事物一個視圖如果my_array.base is not None。這似乎總是能夠捕捉到意見，但也提供了大量的誤報（即使它不是報告某種情況的視圖）。
numpy.may_share_memory()將檢查兩個特定的陣列，但不會回答一般
- （@RobertKurn說是爲2012年最佳工具 - ？任何更改）
flags['OWNDATA'])是reported (third comment first answer)在失敗一些案例。

（原因我感興趣的是，我正在執行寫入時複製的大熊貓，以及保守的指標是導致過度複製。）

2015-11-04 nick_eu

關於numpy github跟蹤器的相關討論：https://github.com/numpy/numpy/issues/5604 –

描述爲誤報的情況似乎是當「創建副本」的操作實際上返回複印件。如果這被認爲是「不是視圖」，你可以嘗試檢查數組「base」的refcount以查看是否有其他引用，但這不會是完美的。我不認爲有可能可靠地檢測到這種事情。 – user2357112

也看到這個最近的SO問題，http://stackoverflow.com/questions/33467477/how-to-find-all-variables-with-identical-id。它提到了一個新的函數'np.shares_memory'。但是我在那裏指出，比較兩個已知變量是一回事，要問的另一個問題是數組與其他數組共享數據緩衝區。 – hpaulj

根據您的用途，flags['OWNDATA']會做這項工作。實際上，你的鏈接沒有問題。 它在某些情況下不會失敗。它會一直做它應該做的事情。

根據http://docs.scipy.org/doc/numpy-1.10.0/reference/generated/numpy.require.html：標誌「確保擁有自己的數據的數組」。

在你的「反例」，他們使用代碼：

print (b.flags['OWNDATA']) #False -- apparently this is a view 
e = np.ravel(b[:, 2]) 
print (e.flags['OWNDATA']) #True -- Apparently this is a new numpy object.

但是，這是正常的行爲是真正在第二種情況下。

它來自ravel（從http://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.ravel.html）的定義。

返回一個連續的扁平數組。返回包含輸入元素的1-D數組。只有在需要時才進行復制。

在這裏，需要一個副本，所以複製。所以，變量e真的擁有自己的數據。它不是「b的視圖」，「對b的引用」，「對b的一部分的別名」。這是一個真正的新數組，其中包含b的一些元素的副本。

所以，我認爲這是不可能的，沒有跟蹤數據的整個來源來檢測這種行爲。我相信你應該可以用這個標誌來建立你的程序。

來源

2016-06-06 22:12:43

numpy：可靠（非保守）指標，如果numpy數組是查看

回答

相關問題