numpy：使用重塑形状或换新轴添加尺寸

我看不出有太大差异的证据。您可以对非常大的阵列进行时间测试。基本上，两者都摆弄形状，甚至大步向前。

__array_interface__

是访问此信息的好方法。例如：

In [94]: b.__array_interface__Out[94]: {'data': (162400368, False), 'descr': [('', '<f8')], 'shape': (5,), 'strides': None, 'typestr': '<f8', 'version': 3}In [95]: b[None,:].__array_interface__Out[95]: {'data': (162400368, False), 'descr': [('', '<f8')], 'shape': (1, 5), 'strides': (0, 8), 'typestr': '<f8', 'version': 3}In [96]: b.reshape(1,5).__array_interface__Out[96]: {'data': (162400368, False), 'descr': [('', '<f8')], 'shape': (1, 5), 'strides': None, 'typestr': '<f8', 'version': 3}

两者都使用与

data

原始缓冲区相同的缓冲区来创建视图。形状相同，但重塑不会改变

strides

。

reshape

让您指定

order

。

并

.flags

显示

C_CONTIGUOUS

标志中的差异。

reshape

可能会更快，因为它所做的更改更少。但是，无论哪种方式，该操作都不会对较大的计算时间产生太大影响。

例如大

b

In [123]: timeit np.outer(b.reshape(1,-1),b)1 loops, best of 3: 288 ms per loopIn [124]: timeit np.outer(b[None,:],b)1 loops, best of 3: 287 ms per loop

---

有趣的发现：

b.reshape(1,4).strides -> (32, 8)

这是我的猜测。

.__array_interface__

正在显示基础属性，并且

.strides

更像是一个属性（尽管它可能全部埋在了C代码中）。默认基础值是

None

，并且在需要计算（或显示为

.strides

）时，会根据形状和商品尺寸进行计算。

32

是到第一行末尾的距离（4x8）。

np.ones((2,4)).strides

具有相同的

(32,8)

（和

None

在

__array_interface__

。

b[None,:]

另一方面正在为广播准备阵列。广播时，将重复使用现有值。这就是

0

in的

(0,8)

功能。

In [147]: b1=np.broadcast_arrays(b,np.zeros((2,1)))[0]In [148]: b1.shapeOut[148]: (2, 5000)In [149]: b1.stridesOut[149]: (0, 8)In [150]: b1.__array_interface__Out[150]: {'data': (3023336880L, False), 'descr': [('', '<f8')], 'shape': (2, 5), 'strides': (0, 8), 'typestr': '<f8', 'version': 3}

b1

显示与相同，

np.ones((2,5))

但只有5个项目。

np.broadcast_arrays

是中的功能

/numpy/lib/stride_tricks.py

。它使用

as_strided

来自同一文件。这些函数直接与shape和stride属性一起使用。