numpy：在整数索引与布尔索引上复制值默认值答案

【问题标题】：numpy: copying value defaults on integer indexing vs boolean indexingnumpy：在整数索引与布尔索引上复制值默认值
【发布时间】：2014-04-24 10:30:46
【问题描述】：

我最近开始研究 McKinney 的 Python 数据分析。这让我在书中绊倒了：

数组切片是原始数组的视图。这意味着数据不复制并且对视图的任何修改都将反映在源数组...由于 NumPy 是针对大数据用例设计的记住，如果 NumPy，你可以想象性能和内存问题坚持从左到右复制数据。

很好。似乎是一个明智的设计选择。但是两页后它说：

通过布尔索引从数组中选择数据总是会创建一个副本的数据，即使返回的数组没有改变。

等等，什么？还有，

您甚至可以将布尔数组与切片进行混合和匹配...例如data[names == 'Bob', 2:]

现在会返回什么？数据副本的视图？为什么这种行为是这样的？来自 R，我看到布尔索引和基于位置的索引同样常用的技术。如果 NumPy 的设计目的是避免复制内存，那么是什么驱动了这种设计选择？

谢谢。

【问题讨论】：

【解决方案1】：

让我们假设一个一维数组。内存中的数据如下所示：

10 | 11 | 12 | 13 | 14 | 15 | 16

通过索引访问元素是微不足道的。只取第一个元素的位置，跳n 步。所以，对于arr[2]：

10 | 11 | 12 | 13 | 14 | 15 | 16
           ^

我可以通过一次乘法得到内存中的位置。快速简单。

我可以切片，然后说“只取arr2 = arr[2:-1]”：

10 | 11 | 12 | 13 | 14 | 15 | 16
           ^----^----^----^

现在，内存布局非常相似。获取一个元素是从一个新起点的乘法。 arr2[1]:

10 | 11 | 12 | 13 | 14 | 15 | 16
  (ignore) -----^----------

你可以做一个更花哨的把戏，比如arr3 = arr[::2]，让所有元素一个一个地跳跃。

10 | 11 | 12 | 13 | 14 | 15 | 16
 ^---------^---------^---------^

同样，获取arr3 的索引非常简单：只需进行乘法运算，但现在大小更大了。这就是 strides 的用途，它们告诉您块的大小以及如何通过索引获取元素。跨度在更多维度上更加强大。顺便说一句，这是我们可以将内存 (1D) 转换为矩阵 (2D) 的方式。

现在，我们来看看布尔数组。如果我的掩码是：T F T T F F T，并且我要求您提供第三个元素，则您需要遍历掩码，找到第三个为真，然后获取其索引；因此，非常缓慢。因此，当采用布尔掩码时，我们必须复制数据。有一些掩码无法用步幅表示，但不是一般情况下，因此为了保持一致性，请始终使用副本。

附带说明一下，有时制作副本的成本在性能方面是值得的。如果要进行多次读取“数组的每五个元素”的操作，内存中的数据将不会对齐，因此CPU每次都必须等待它被读取。然后制作单个副本（将是连续的）并使用它会更快。

【讨论】：

我想说，对于布尔索引，除了你提到的速度问题外，还有一个内存问题：你需要将原始数据和布尔向量保持在同一空间。无法像跨步内存视图那样共享数据，因此您也可以复制一份（并丢弃索引向量）。
@Davidmh：这是否意味着，如果我采用数组的不规则子集而不是切片，也会导致复制？例如：x=np.arange(10); y = x[[0, 3, 4, 6]] 应该导致将值复制到 y？
没有什么比测试来确保：y[0] -> 0; y[0] = 1;x[0] -> 0
当然，即使您采用常规子集也是如此。 y = x[[0, 3, 6]]

【解决方案2】：

需要一个副本，因为对于任意布尔索引，您无法保证结果可以表示为 ndarray。

切片返回视图

一切都可以通过仅更改shape、strides 以及可能调整data 指针来表示！

【讨论】：