Python numpy ndarray.view用法及代碼示例

本文簡要介紹 python 語言中 numpy.ndarray.view 的用法。

用法:

ndarray.view([dtype][, type])

具有相同數據的數組的新視圖。

注意

為 dtype 傳遞 None 與省略參數不同，因為前者調用 dtype(None) 這是 dtype('float_') 的別名。

參數：

dtype： 數據類型或 ndarray sub-class，可選

返回視圖的數據類型說明符，例如 float32 或 int16。省略它會導致視圖具有與以下內容相同的數據類型a。該參數也可以指定為 ndarray sub-class，然後指定返回對象的類型(這相當於設置type範圍)。

type： Python 類型，可選

返回視圖的類型，例如 ndarray 或矩陣。同樣，省略參數會導致類型保留。

注意：

a.view() 有兩種不同的使用方式：

a.view(some_dtype) 或 a.view(dtype=some_dtype) 使用不同的數據類型構造數組內存的視圖。這可能會導致重新解釋內存字節。

a.view(ndarray_subclass)或者a.view(type=ndarray_subclass)隻返回一個實例ndarray_subclass查看相同的數組(相同的形狀、數據類型等)，這不會導致內存的重新解釋。

對於 a.view(some_dtype) ，如果 some_dtype 每個條目的字節數與之前的 dtype 不同(例如，將常規數組轉換為結構化數組)，則無法僅從表麵的外觀預測視圖的行為a(由 print(a) 顯示)。它還取決於a 在內存中的存儲方式。因此，如果a 是C-ordered 與fortran-ordered，而不是定義為切片或轉置等，則視圖可能會給出不同的結果。

例子：

>>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])

使用不同的類型和 dtype 查看數組數據：

>>> y = x.view(dtype=np.int16, type=np.matrix)
>>> y
matrix([[513]], dtype=int16)
>>> print(type(y))
<class 'numpy.matrix'>

在結構化數組上創建視圖，以便將其用於計算

>>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)])
>>> xv = x.view(dtype=np.int8).reshape(-1,2)
>>> xv
array([[1, 2],
       [3, 4]], dtype=int8)
>>> xv.mean(0)
array([2.,  3.])

對視圖進行更改會更改底層數組

>>> xv[0,1] = 20
>>> x
array([(1, 20), (3,  4)], dtype=[('a', 'i1'), ('b', 'i1')])

使用視圖將數組轉換為recarray：

>>> z = x.view(np.recarray)
>>> z.a
array([1, 3], dtype=int8)

視圖共享數據：

>>> x[0] = (9, 10)
>>> z[0]
(9, 10)

通常應避免在由切片、轉置、fortran-ordering 等定義的數組上更改 dtype 大小(每個條目的字節數)的視圖：

>>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16)
>>> y = x[:, 0:2]
>>> y
array([[1, 2],
       [4, 5]], dtype=int16)
>>> y.view(dtype=[('width', np.int16), ('length', np.int16)])
Traceback (most recent call last):
    ...
ValueError: To change to a dtype of a different size, the array must be C-contiguous
>>> z = y.copy()
>>> z.view(dtype=[('width', np.int16), ('length', np.int16)])
array([[(1, 2)],
       [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')])