连接 Numpy 数组而不复制

Posted 2023-02-23

【中文标题】连接 Numpy 数组而不复制

【英文标题】：Concatenate Numpy arrays without copying

【发布时间】：2011-12-13 17:19:52

【问题描述】：

在 Numpy 中，我可以使用 np.append 或 np.concatenate 端到端连接两个数组：

>>> X = np.array([[1,2,3]])
>>> Y = np.array([[-1,-2,-3],[4,5,6]])
>>> Z = np.append(X, Y, axis=0)
>>> Z
array([[ 1,  2,  3],
       [-1, -2, -3],
       [ 4,  5,  6]])

但是这些会复制他们的输入数组：

>>> Z[0,:] = 0
>>> Z
array([[ 0,  0,  0],
       [-1, -2, -3],
       [ 4,  5,  6]])
>>> X
array([[1, 2, 3]])

有没有办法将两个数组连接成一个视图，即不复制？这需要np.ndarray 子类吗？

【问题讨论】：

为什么要查看而不是副本？

@WinstonEwert：我有一长串数组，我想在这些数组上执行单一的全局规范化。

列表理解也会很快。

这并不能回答问题，复制所有这些数组有什么问题？基本上，你是担心复制的成本，还是想修改原始数组？

@WinstonEwert：复制的成本是问题；否则我可以concatenate 他们并将原始数组替换为连接中的视图。不过，看起来这就是我必须做的。

【参考方案1】：

属于 Numpy 数组的内存必须是连续的。如果单独分配数组，它们是随机分散在内存中的，没有办法将它们表示为视图 Numpy 数组。

如果您事先知道需要多少个数组，则可以改为从预先分配的一个大数组开始，并让每个小数组成为大数组的视图（例如通过切片获得）。

【讨论】：

无关紧要的备注：视图的内存不必是连续的，但它可能必须以固定的步幅排序（数组列表也不是这种情况）。

你是说即使是子类也行不通？我知道人们使用ndarray 子类来处理mmap'd 数组，但我猜内存映射也是连续的......

是的，子类也必须遵守 Numpy 的内存模型。 （@cyborgs 上面的评论也是正确的：子数组也可以在内存中以固定的步幅排序，但也只能通过事先安排来获得。）仔细阅读 this page 可能会更清楚。跨度>

您是否有理由建议切片，而不是例如numpy.empty ?

【参考方案2】：

只需在填充数据之前初始化数组。如果您愿意，您可以分配比需要更多的空间，并且由于 numpy 的工作方式，它不会占用更多的 RAM。

A = np.zeros(R,C)
A[row] = [data]

只有将数据放入数组时才会使用内存。在任何大小的数据集（即数据集 > 1GB 左右）上，从两个连接创建一个新数组永远不会完成。

【参考方案3】：

一点也不优雅，但您可以使用元组来存储指向数组的指针，从而接近您想要的。现在我不知道如何在这种情况下使用它，但我以前做过这样的事情。

>>> X = np.array([[1,2,3]])
>>> Y = np.array([[-1,-2,-3],[4,5,6]])
>>> z = (X, Y)
>>> z[0][:] = 0
>>> z
(array([[0, 0, 0]]), array([[-1, -2, -3],
       [ 4,  5,  6]]))
>>> X
array([[0, 0, 0]])

【讨论】：

是的，但这不会给我我想要的那种 NumPy 索引魔法。无论如何，谢谢。

【参考方案4】：

我遇到了同样的问题并最终将其反转，在正常连接后（使用副本）我重新分配了原始数组以成为连接的视图：

import numpy as np

def concat_no_copy(arrays):
    """ Concats the arrays and returns the concatenated array 
    in addition to the original arrays as views of the concatenated one.

    Parameters:
    -----------
    arrays: list
        the list of arrays to concatenate
    """
    con = np.concatenate(arrays)

    viewarrays = []
    for i, arr in enumerate(arrays):
        arrnew = con[sum(len(a) for a in arrays[:i]):
                     sum(len(a) for a in arrays[:i + 1])]
        viewarrays.append(arrnew)
        assert all(arr == arrnew)

    # return the view arrays, replace the old ones with these
    return con, viewarrays

你可以如下测试：

def test_concat_no_copy():
    arr1 = np.array([0, 1, 2, 3, 4])
    arr2 = np.array([5, 6, 7, 8, 9])
    arr3 = np.array([10, 11, 12, 13, 14])

    arraylist = [arr1, arr2, arr3]

    con, newarraylist = concat_no_copy(arraylist)

    assert all(con == np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 
                                11, 12, 13, 14]))

    for old, new in zip(arraylist, newarraylist):
        assert all(old == new)

【参考方案5】：

您可以创建一个数组数组，例如：

>>> from numpy import *
>>> a = array([1.0, 2.0, 3.0])
>>> b = array([4.0, 5.0])
>>> c = array([a, b])
>>> c
array([[ 1.  2.  3.], [ 4.  5.]], dtype=object)
>>> a[0] = 100.0
>>> a
array([ 100.,    2.,    3.])
>>> c
array([[ 100.    2.    3.], [ 4.  5.]], dtype=object)
>>> c[0][1] = 200.0
>>> a
array([ 100.,  200.,    3.])
>>> c
array([[ 100.  200.    3.], [ 4.  5.]], dtype=object)
>>> c *= 1000
>>> c
array([[ 100000.  200000.    3000.], [ 4000.  5000.]], dtype=object)
>>> a
array([ 100.,  200.,    3.])
>>> # Oops! Copies were made...

问题在于它会在广播操作中创建副本（听起来像是一个错误）。

【参考方案6】：

答案基于我在Reference to ndarray rows in ndarray的另一个答案

X = np.array([[1,2,3]])
Y = np.array([[-1,-2,-3],[4,5,6]])
Z = np.array([None, None, None])
Z[0] = X[0]
Z[1] = Y[0]
Z[2] = Y[1]

Z[0][0] = 5 # X would be changed as well

print(X)
Output: 
array([[5, 2, 3]])

# Let's make it a function!
def concat(X, Y, copy=True):
    """Return an array of references if copy=False""" 
    if copy is True:  # deep copy
        return np.append(X, Y, axis=0)
    len_x, len_y = len(X), len(Y)
    ret = np.array([None for _ in range(len_x + len_y)])
    for i in range(len_x):
        ret[i] = X[i]
    for j in range(len_y):
        ret[len_x + j] = Y[j] 
    return ret