為什么numpy.ravel會返回副本？

Question

在以下示例中：

>>> import numpy as np
>>> a = np.arange(10)
>>> b = a[:,np.newaxis]
>>> c = b.ravel()
>>> np.may_share_memory(a,c)
False

為什么numpy.ravel返回我的數組的副本？ 它不應該只是返回a ？

編輯：

我剛剛發現np.squeeze 沒有返回副本。

>>> b = a[:,np.newaxis]
>>> c = b.squeeze()
>>> np.may_share_memory(a,c)
True

在這種情況下，為什么squeeze和ravel之間存在差異？

編輯：

正如mgilson指出， newaxis標記數組作為不連續的，這就是為什么ravel返回一個副本。

所以，新問題是為什么newaxis將數組標記為不連續。

盡管如此，這個故事更加怪異：

>>> a = np.arange(10)
>>> b = np.expand_dims(a,axis=1)
>>> b.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> c = b.ravel()
>>> np.may_share_memory(a,c)
True

根據expand_dims的文檔，它應該等同於newaxis 。

Answer 1

這可能不是您問題的最佳答案，但看起來插入newaxis會導致numpy將陣列視為非連續的 - 可能用於廣播目的：

>>> a=np.arange(10)
>>> b=a[:,None]
>>> a.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> b.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

但是，重塑不會導致：

>>> c=a.reshape(10,1) 
>>> c.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

那些數組確實共享相同的內存：

>>> np.may_share_memory(c.ravel(),a)
True

編輯

np.expand_dims實際上是使用reshape實現的，這就是它工作的原因（這是我假設的文檔中的一個小錯誤）。 這是源代碼（沒有docstring）：

def expand_dims(a,axis):
    a = asarray(a)
    shape = a.shape
    if axis < 0:
        axis = axis + len(shape) + 1
    return a.reshape(shape[:axis] + (1,) + shape[axis:])

Answer 2

看起來它可能與步幅有關：

>>> c = np.expand_dims(a, axis=1)
>>> c.strides
(8, 8)

>>> b = a[:, None]
>>> b.strides
(8, 0)
>>> b.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> b.strides = (8, 8)
>>> b.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

我不確定維度1在這里可以產生什么不同，但看起來這就是讓numpy將陣列視為不連續的原因。