如何在numpy数组的特定行中进行原地处理

Question

在下面的示例中，我想将一组特定的行修改为一个组in-place。对inplace\u进程的第一次调用似乎会导致传递数组的副本，而对inplace\u进程的第二次调用则直接修改x变量。你知道吗

在我的实际用例中，数组的大小太大，无法创建一个副本，我正在调用项目外部的代码。你知道吗

import numpy as np

def inplace_process(a, C, N):
    a.shape = (C, N)
    a[:, :] = float(C*N)

C = 4
N = 128
x = np.zeros((C, N))

# process a specific set of rows
inplace_process(x[(0, 1, 3), :], 3, N)
# independently process an inner row
inplace_process(x[2, :], 1, N)

print '-----------------------------------------------------'
print ' We want C*N and not zeros'
print x

输出：

[[   0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.]
 [   0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.]
 [ 128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.  128.
   128.  128.  128.  128.  128.  128.  128.  128.]
 [   0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
     0.    0.    0.    0.    0.    0.    0.    0.]]

Answer 1

在NumPy中，"basic slices"，例如x[2, :]，返回视图。你知道吗

所谓的"advanced indexing"， 例如x[(0,1,3), :]，返回数组的副本。你知道吗

在引擎盖下，NumPy数组将值存储在一个连续的内存块中 访问基于dtype、shape和strides的值。价值观 它们本身在该内存块中可能是不连续的，这取决于步长，但是每个数组引用单个内存块中的值。你知道吗

高级索引允许您从此内存块中选择任意行。 通常，无法使用原始数组指定结果数组 记忆块，只是一个数据类型，形状和步幅。因此，结果数组的值必须是 复制到新数组中。这就是为什么高级索引总是返回一个副本。你知道吗

修改数组的副本（正如人们所期望的那样）不会影响原始数组。这就是为什么将x[(0, 1, 3), :]传递给inplace_place不会影响x。你知道吗

但是，即使左侧使用高级索引，指定也会影响原始数组。例如

x[(0, 1, 3), :] = C*N

会影响x。因此，您可以通过将行传递到inplace_process并在那里对a[rows, :]执行赋值来修复代码：

import numpy as np

def inplace_process(a, rows, C, N):
    a[rows, :] = float(C*N)

C = 4
N = 128
x = np.zeros((C, N))

# process a specific set of rows
inplace_process(x, (0, 1, 3), 3, N)
# independently process an inner row
inplace_process(x, [2], 1, N)