查看一个numpy数组？

Question

我有一个2D numpy数组。有没有办法创建一个视图，其中包括第一个k行和所有列？

要点是避免复制的基础数据（数组是如此之大，使得部分拷贝是不可行的。）

Answer 1

当然，只是索引它象通常那样。例如。 y = x[:k, :]这将返回原始数组的视图。没有数据将被复制，并且对y进行的任何更新都将反映在x之间，反之亦然。

---

编辑：

我通常与UINT8年代> 10GB 3D阵列工作，所以我不用担心这个了很多......如果你把一个几件事情与NumPy可以在内存管理非常有效。 这里是避免存储阵列的复印一些提示：

使用+=，-=，*=等，以避免使数组的一个副本。例如。 x += 10将修改阵列到位，而x = x + 10将复制并修改它。 （也，看看numexpr）

如果你想使一个副本x = x + 10，要知道，x = x + 10.0会导致x自动进行上浇铸为浮点阵列，如果它是不是已经。但是，x += 10.0（其中x是一个整数数组）将导致10.0向下转换为与数组具有相同精度的int值。

此外，许多numpy函数需要参数out，因此您可以执行诸如np.abs(x, x)之类的操作，以取得原地的绝对值x。

---

作为第二个编辑，这里的一对意见与副本与numpy的阵列更多提示：

与Python列表，y = x[:]不返回副本，它返回一个视图。如果你确实需要一个副本（当然这会使你使用的内存量增加一倍），使用y = x.copy()

你会经常听到关于numpy数组的“花哨索引”。使用列表（或整数数组）作为索引是“幻想索引”。它可能非常有用，但可以复制数据。

作为一个例子：y = x[[0, 1, 2], :]返回一个副本，而y = x[:3,:]将返回一个视图。

即使像x[4:100:5, :-10:-1, None]这样非常疯狂的索引是“普通”索引，并且会返回一个视图，所以不要害怕在大型数组上使用各种切片技巧。

x.astype(<dtype>)将返回数据的一个副本作为新类型，而x.view(<dtype>)将返回一个视图。

但要小心，但是...它非常强大和有用，但您需要了解底层数据如何存储在内存中。如果您有一组浮点数，并将它们视为整数（反之亦然），numpy会将数组的位解释为整数。

例如，这意味着1.0作为一个64位的浮动小端系统上会4607182418800017408作为64位INT观察时，如果作为UINT8观察的[ 0, 0, 0, 0, 0, 0, 240, 63]阵列。当你需要在大型数组上进行某种操作时，这是非常好的，但是......对于如何解释内存缓冲区，您有低级别的控制权。