哪个 numpy 索引是副本，哪个是视图？

Question

问题

关于 Numpy Indexing 可以返回副本或查看，请确认我的理解是否正确。如果不是，请提供解释并提供相关规范的指针。

问：基本切片

Numpy 索引 documentation 有 Basic Slicing and Indexing 部分。我相信本节只讨论Indexing 中提到的三种方式之一的基本切片。

• Indexing

共有三种可用的索引：字段访问、基本切片、高级索引。发生哪一个取决于 obj。

它只使用Python slice object 并且只返回视图。即使切片在元组中，可能属于下面的部分，它仍然返回视图。

• Dealing with variable numbers of indices within programs

如果向索引提供一个元组，则该元组将被解释为索引列表。

此代码将返回一个视图。

>>> indices = (1,1,1,slice(0,2)) # same as [1,1,1,0:2]
>>> z[indices]
array([39, 40])

这些都是正确的理解吗？

问：结合基本切片和高级索引

文档中有一段：

• Combining advanced and basic indexing

当索引中至少有一个切片 (:)、省略号 (...) 或 newaxis（或数组的维度多于高级索引）时，行为可能会更复杂。

我相信，部分标题中的basic indexing意味着basic slicing。没有这样的basic indexing 与基本切片不同，因为Indexing 表示只有三种方式，field access, basic slicing, advanced indexing。

当高级索引和基本索引结合时，它会返回副本。

这些理解正确吗？

---

背景

Numpy 索引有很多选项，有的返回视图，有的返回副本。有一个清晰的心理分类，哪个操作可能返回引用/视图或复制是相当混乱的。

• Indexing

共有三种可用的索引：字段访问、基本切片、高级索引。发生哪一个取决于 obj。

• Basic Slicing and Indexing

当 obj 是切片对象（由括号内的 start:stop:step 表示法构造）、整数或切片对象和整数的元组时，就会发生基本切片。 Ellipsis 和 newaxis 对象也可以穿插其中。

NumPy 切片创建一个视图，而不是像字符串、元组和列表等内置 Python 序列的情况下的副本。

• Advanced Indexing

在选择对象，obj是a的时候触发高级索引 非元组序列对象，一个 ndarray（数据类型为整数或布尔值）， 或具有至少一个序列对象或 ndarray 的元组（数据类型 整数或布尔值）。有两种类型的高级索引：整数 和布尔值。

高级索引始终返回数据的副本（与 返回视图的基本切片）。

• Dealing with variable numbers of indices within programs

如果向索引提供一个元组，则该元组将被解释为索引列表。

z = np.arange(81).reshape(3,3,3,3)
>>> indices = (1,1,1,1)
>>> z[indices]
40

• Field Access

如果 ndarray 对象是结构化数组，则可以通过使用字符串索引数组来访问数组的字段，类似于字典。索引 x['field-name'] 将新视图返回到数组

---

注意

• Which numpy operations copy and which mutate?

Answer 1

确实，为了更好地掌握返回视图和返回副本的内容，您需要彻底阅读文档（有时也没有真正提及）。我无法为您提供一整套操作及其输出类型（查看或复制），但也许这可以帮助您完成任务。

您可以使用np.shares_memory() 来检查函数是返回视图还是原始数组的副本。

x = np.array([1, 2, 3, 4])
x1 = x
x2 = np.sqrt(x)
x3 = x[1:2]
x4 = x[1::2]
x5 = x.reshape(-1,2)
x6 = x[:,None]
x7 = x[None,:]
x8 = x6+x7
x9 = x5[1,0:2]
x10 = x5[[0,1],0:2]


print(np.shares_memory(x, x1))
print(np.shares_memory(x, x2))
print(np.shares_memory(x, x3))
print(np.shares_memory(x, x4))
print(np.shares_memory(x, x5))
print(np.shares_memory(x, x6))
print(np.shares_memory(x, x7))
print(np.shares_memory(x, x8))
print(np.shares_memory(x, x9))
print(np.shares_memory(x, x10))

True
False
True
True
True
True
True
False
True
False

请注意最后 2 个高级+基本索引示例。一个是视图，另一个是副本。文档中提到的对这种差异的解释（还提供了有关如何实现这些差异的见解）是 -

当索引中至少有一个slice (:)、ellipsis (...) 或newaxis 时（或者数组的维数多于高级索引），则行为可能会更复杂。这就像连接每个高级索引元素的索引结果

Answer 2

From Python to Numpy. Nicolas P. Rougier : Views and copies.

首先，我们必须区分索引和花式索引。第一个将始终返回一个视图，而第二个将返回一个副本。这种差异很重要，因为在第一种情况下，修改视图会修改基本数组，而在第二种情况下则不然：

如果您不确定索引的结果是视图还是副本，您可以检查结果的基础是什么。如果它是无，那么你的结果是一个副本：

>>> Z = np.random.uniform(0,1,(5,5))
>>> Z1 = Z[:3,:]
>>> Z2 = Z[[0,1,2], :]
>>> print(np.allclose(Z1,Z2))
True
>>> print(Z1.base is Z)
True
>>> print(Z2.base is Z)
False
>>> print(Z2.base is None)
True

如果基础引用源，则它不是无，因此是视图。