对不存在的数组使用 numpy 视图

Posted 2023-02-26

【中文标题】对不存在的数组使用 numpy 视图

【英文标题】：Using a numpy view to a non-existing array

【发布时间】：2018-01-25 14:45:32

【问题描述】：

在定义一个带零的数组a 后，我可以使用以下函数创建一个最左侧列的视图：

a = np.zeros((5, 5))
a_left_col = a[:, 0]

a_left_col[:] = 2.

为a打印：

array([[2., 0., 0., 0., 0.],
       [2., 0., 0., 0., 0.],
       [2., 0., 0., 0., 0.],
       [2., 0., 0., 0., 0.],
       [2., 0., 0., 0., 0.]])

如果我随后用

重新初始化a

a = np.zeros((5, 5))

那么视图仍然存在，但它不再引用任何内容。如果我再次a_left_col[:] = 2，Python 将如何处理这种情况？这是像 C 或 C++ 中的未定义行为，还是 Python 能正确处理它，如果是，为什么不抛出错误？

【问题讨论】：

引用计数。原始对象a 仍然存在，因为它被视图引用。 （虽然不能再通过变量a访问。）

【参考方案1】：

原始对象仍然存在，因为它被视图引用。 （虽然不能再通过变量a访问。）

让我们详细看看对象的引用计数：

import sys
import numpy as np

a = np.zeros((5, 5))
print(sys.getrefcount(a))  # 2

a_left_col = a[:, 0]
print(sys.getrefcount(a))  # 3
print(sys.getrefcount(a_left_col.base))  # 3
print(a_left_col.base is a)  # True

a = np.ones((5, 5))
print(sys.getrefcount(a_left_col.base))  # 2

请注意，a_left_col.base 是对原始数组的引用。当我们重新评估a 时，对象上的引用计数会减少，但它仍然存在，因为它可以通过a_left_col 访问。

【讨论】：

有趣。那么在视图的情况下，我必须自己做内存管理？

@Chiel 不，这都是自动的。虽然存在数组中的视图，但它们算作对对象的引用。当一个对象不再被引用（不再有视图或其他引用）时，它会在某个时候被垃圾收集器删除。

我明白了，但是由于我倾向于为快捷方式创建很多视图，这意味着我必须明确删除所有视图，以便恢复记忆。对吗？

@Chiel 没错。但是，这通常只是变量存在的长脚本中的问题。当函数返回时，所有作为局部变量存在的视图都将被删除；如果您重新分配一个变量（例如，在循环中），您也不必显式删除它。

【参考方案2】：

行为不是未定义的。您只是在创建一个新对象a。旧的没有被释放，但仍然存在于内存中，因为 a_left_col 仍然引用它。一旦你重新初始化a_left_col，原始数组就可以被释放了。