我从中举了一个例子
view_as_blocks，并尝试了您的重塑风格：
A = np.arange(4*4).reshape(4,4)B = view_as_blocks(A, block_shape=(2, 2))print(A.__array_interface__)print(B.__array_interface__)C = B.reshape((2*2,2,2))print(C.__array_interface__)
生产：
{'typestr': '<i4', 'data': (153226600, False), 'shape': (4, 4), 'descr': [('', '<i4')], 'version': 3, 'strides': None}{'typestr': '<i4', 'data': (153226600, False), 'shape': (2, 2, 2, 2), 'descr': [('', '<i4')], 'version': 3, 'strides': (32, 8, 16, 4)}{'typestr': '<i4', 'data': (150895960, False), 'shape': (4, 2, 2), 'descr': [('', '<i4')], 'version': 3, 'strides': None}在
data用于指针
A和
B是相同的;
B是对的看法
A。
但是指向的指针
C是不同的。它是副本。这就解释了为什么需要这么长时间。
让我们做一些不同的事情：
A = np.arange(4*4).reshape(4,4)B = view_as_blocks(A, block_shape=(2, 2))print(A.__array_interface__)print(B.__array_interface__)C = B.reshape((2*2,1,2,2))print(C.__array_interface__)D = as_strided(B, shape=(2*2,1,2,2))print(D.__array_interface__)print(B[1,1,:,:])print(C[3,0,:,:])print(D[3,0,:,:])
生产
1254:~/mypy$ python3 skshape.py {'strides': None, 'typestr': '<i4', 'version': 3, 'data': (154278744, False), 'shape': (4, 4), 'descr': [('', '<i4')]}{'strides': (32, 8, 16, 4), 'typestr': '<i4', 'version': 3, 'data': (154278744, False), 'shape': (2, 2, 2, 2), 'descr': [('', '<i4')]}{'strides': None, 'typestr': '<i4', 'version': 3, 'data': (155705400, False), 'shape': (4, 1, 2, 2), 'descr': [('', '<i4')]}{'strides': (32, 8, 16, 4), 'typestr': '<i4', 'version': 3, 'data': (154278744, False), 'shape': (4, 1, 2, 2), 'descr': [('', '<i4')]}[[10 11] [14 15]][[10 11] [14 15]][[ 154561960 -1217783696] [ 48 3905]]再次重塑会创建一个副本。第二个
as_strides返回一个视图，但跨度被拧紧。它正在查看原始数据缓冲区之外的内存（这就是为什么自己大步走很危险的部分原因）。
在我的示例中，查看每个块的第一个角值
print(B[:,:,0,0])print(C[:,0,0,0])[[ 0 2] [ 8 10]][ 0 2 8 10]
对于
B，行增加8，列增加2；这反映在
(32,8)（4 * 8,4 * 2）步幅上。
但是
C步骤是（2,6,2）-大步前进无法做到。
由此我得出结论，没有复制就不可能进行重塑。
