如何对一组特定的numpy数组行进行就地处理

Question

在以下示例中，我要in-place一组特定的行修改为一组。 第一次调用inplace_process似乎导致传递了数组的副本，而第二次调用inplace_process则直接修改了x变量。

在我的实际用例中，数组的大小太大，无法创建副本，而我正在调用项目外部的代码。

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， “基本切片” （例如x[2, :] ，： x[2, :] ）返回视图。

所谓的“高级索引” ，例如x[(0,1,3), :] ，返回数组的副本。

引擎盖下，NumPy的阵列存储值在存储器的连续块和访问基于所述值dtype ， shape和strides 。 根据跨步，值本身在该内存块中可能是不连续的，但是每个数组都引用单个内存块中的值。

高级索引允许您从该内存块中选择任意行。 通常，无法使用原始的内存块来指定结果数组，而只能使用dtype，shape和stride。 因此，必须将结果数组的值复制到新数组中。 这就是为什么高级索引总是返回副本的原因。

修改阵列副本（如人们所料）不会影响原始阵列。 这就是为什么将x[(0, 1, 3), :] inplace_place x[(0, 1, 3), :] inplace_place x[(0, 1, 3), :]传递给inplace_place不会影响x 。

但是，赋值（即使左侧使用高级索引）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并执行对a[rows, :] inplace_process a[rows, :]的赋值来修复代码：

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)