在numpy.array中没有fortran命令

Question

我看到没有强烈的命令：

import numpy as np
In [143]: np.array([[1,2],[3,4]],order='F')
Out[143]: 
array([[1, 2],
       [3, 4]])

但在下面它的工作原理：

In [139]: np.reshape(np.arange(9),newshape=(3,3),order='F')
Out[139]: 
array([[0, 3, 6],
       [1, 4, 7],
       [2, 5, 8]])

那我在第一个做错了什么？

Answer 1

当您调用numpy.array从现有Python对象创建数组时，它将为您提供一个具有原始Python对象所具有的任何形状的对象。 所以，

np.array([[1,2],[3,4]], ...)

永远都会给你，

np.array([[1, 2],
          [3, 4]])

这正是你输入的内容，所以它不应该让人感到意外。 Fortran order和C order不描述数据的形状，它们描述了内存布局。 当您打印出一个对象时，NumPy不会向您显示内存布局，它只显示您的形状。

您可以看到，当您使用"K"顺序将数组展平时，该数组确实以Fortran顺序存储，这保持了元素的原始顺序：

>>> a = np.array([[1,2],[3,4]], order="F")
>>> a.flatten(order="K")
array([1, 3, 2, 4])

这就是Fortran与C顺序的真正区别：内存布局。 大多数NumPy函数不会强制您考虑内存布局，而是透明地处理不同的布局。

听起来你想要的是转置，反转轴顺序。 这可以简单地完成：

>>> b = numpy.transpose(a)
>>> b
array([[1, 3],
       [2, 4]])

这不会创建新数组，而是创建相同数组的新视图：

>>> b.base is a
True

如果您希望数据具有内存布局1 2 3 4并且具有[[1,3]，[2,4]]的Fortran顺序视图，则执行此操作的有效方法是使用C存储现有数组顺序然后转置它，这导致具有所需内容的Fortran-order数组，并且不需要额外的副本。

>>> a = np.array([[1, 2], [3, 4]]).transpose()
>>> a.flatten(order="K")
array([1, 2, 3, 4])
>>> a
array([[1, 3],
       [2, 4]])

如果您使用Fortran订单存储原始文件，则转置将导致C顺序，因此您不希望这样（或者您可能只关心转置，并且内存顺序不重要？）。 在任何一种情况下，数组在NumPy中看起来都是一样的。

>>> a = np.array([[1, 2], [3, 4]], order="F").transpose()
>>> a.flatten(order="K")
array([1, 3, 2, 4])
>>> a
array([[1, 3],
       [2, 4]])

Answer 2

你构建二维数组的两种方法完全不相同。 在第一个中，您指定了数组的结构。 在第二个，你形成了一个数组，然后根据自己的喜好重新塑造。

>>> np.reshape([1,2,3,4],newshape=(2,2),order='F')
array([[1, 3],
       [2, 4]])

同样，为了进行比较，即使您要求重新整形并将格式更改为FORTRAN，您也将获得指定的结构：

>>> np.reshape([[1,2],[3,4]],newshape=(2,2),order='F')
array([[1, 2],
       [3, 4]])