对于numpy.astype的copy属性感到困惑

Question

我对numpy.astype的copy归因感到困惑。 我检查了链接中的材料，它说：

By default, astype always returns a newly allocated array. If this is set to false, and the dtype, order, and subok requirements are satisfied, the input array is returned instead of a copy.

这意味着将更改ndarray对象的原始值？ 喜欢：

x = np.array([1, 2, 2.5])
x.astype(int, copy=False)

但似乎x仍然是原始值array([ 1. , 2. , 2.5]) 。 有人可以解释吗？ 非常感谢你~~

Answer 1

它们的意思是，如果原始数组完全符合您传递的规范，即具有正确的dtype，majority并且不是子类或您设置了subok标志，那么将避免复制。 输入数组永远不会被修改。 在您的示例中，dtypes不匹配，因此无论如何都会创建一个新数组。

如果您不希望复制数据，请使用view。 这将尽可能根据您的规范重新解释数据缓冲区。

x = np.array([1, 2, 2.5])
y = x.view(int)
y
#  array([4607182418800017408, 4611686018427387904, 4612811918334230528])
# y and x share the same data buffer:
y[...] = 0
x
# array([ 0.,  0.,  0.])

Answer 2

默认情况下，astype始终返回新分配的数组。 如果将其设置为false，并且满足dtype，order和subok要求，则返回输入数组，而不是副本。

请注意，您引用的文档根本没有提到x被修改-实际上，返回的是所需类型的全新数组，或者x返回的是未修改的（如果可能）。

就您而言，我认为x不符合dtype要求。 该文档实际上根本没有描述该要求（因此我可以理解您的困惑），但是基本上这意味着所请求的dtype （在这种情况下为int ）必须能够完全代表原始dtype所有值（ float在这种情况下）。 由于您不能在不丢失某些信息的情况下将float填充到int ，因此不能简单地假装x是一个int数组。

这样， astype返回x的新副本 ，每个值都转换为int 。 它使x astype ，因此要获取转换后的数组，您需要检查astype返回的值：

x = np.array([1, 2, 2.5])
y = x.astype(int, copy=False)

print x # prints array([ 1. ,  2. ,  2.5]), since x hasn't been modified
print y # prints array([ 1. ,  2. ,  2]), since y is an integer-valued copy of x

Answer 3

在这种情况下， copy=False起作用，返回原始数组：

In [238]: x
Out[238]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In [239]: y = x.astype(int,copy=False)
In [240]: id(x)
Out[240]: 2884971680
In [241]: id(y)
Out[241]: 2884971680     # same id

In [242]: z = x.astype(int)
In [243]: id(z)
Out[243]: 2812517656     # different id

从某种意义上说，这是个小事。 但如果其他所有情况都一样琐碎，我也不会感到惊讶

In [244]: w = x.astype(int,order='F',copy=False)
In [245]: id(w)
Out[245]: 2884971680   # 1d array is both order C and F

换句话说，如果需要dtype和order不需要任何更改，它将返回原始数组。 那就是如果原件已经符合规格。

这与view 。 视图是一个新数组（新ID），但共享数据缓冲区。 相反，它更像是更简单的Python分配y = x 。

如果有人可以解决涉及dtype更改的copy=False案例，我可能会改变主意。

---

相同的调用，但使用不同的数组将创建一个副本

In [249]: x1=np.arange(10.)      # float
In [250]: y1=x1.astype(int, copy=False)
In [251]: id(x1)
Out[251]: 2812517696
In [253]: id(y1)
Out[253]: 2812420768        # different id
In [254]: y1=x1.astype(float, copy=False)
In [255]: id(y1)
Out[255]: 2812517696

因此，如果需要，可以使用copy=False ，比如说一个int dtype数组，但是如果该数组已经是int ，那么效率不会受到任何损失。

---

将标量转换为numpy数组的有效方法

copy=False np.array行为大致相同-如果不需要转换，则返回相同的数组（id）。