Python numpy数据指针地址更改而不进行修改

发布时间：2020-12-16 22:48:35 所属栏目：Python 来源：网络整理

导读：编辑经过一些更多的摆弄,我到目前为止已经隔离了以下状态：直接输入变量时,1D数组给出两个不同的地址,使用print()时只有一个地址 2D数组(或矩阵)在直接输入变量时给出三个不同的地址,在使用print()时给出两个 3D数组在直接输入变量时给出两个不同的地址,在

编辑

经过一些更多的摆弄,我到目前为止已经隔离了以下状态：

>直接输入变量时,1D数组给出两个不同的地址,使用print()时只有一个地址
> 2D数组(或矩阵)在直接输入变量时给出三个不同的地址,在使用print()时给出两个
> 3D数组在直接输入变量时给出两个不同的地址,在使用print()时只有一个(显然与1D数组相同)

像这样：

>>> a = numpy.array([1,2,3],dtype="int32")

>>> a.data


原始邮政
我的印象只是在python控制台中输入一个变量,回显一个简单描述它的值(和类型)的字符串.它以与print()不同的方式格式化,但我假设它们返回的值都是相同的.
当我尝试输出numpy对象的数据指针对象的地址时,只需输入变量每隔一次给我不同的值,而print()给出相同的值.
这表明两个操作的不同之处不仅在于输出的格式,还在于它们从何处获取信息.但这些额外的差异究竟是由什么组成的呢？

>>> a = numpy.array([0,1,2])

>>> a
array([0,2])
>>> print(a)
[0 1 2]

>>> print(a.data)


最佳答案
a.data返回的内存视图似乎在两个(或更多)视图之间交替.如果存储a.data的给定实例,则会得到一致的输出：

>>> a.data

注意,在上面的例子中有3个地址旋转;我很确定这都是一个实现细节.我猜想会涉及一些缓存,这意味着每次访问a.data时都不会生成新视图.
您还可以确定您正在查看单独的视图对象：

>>> id(a.data)
140430643088968
>>> id(a.data)
140430643086280
>>> id(a.data)
140430643088968
>>> id(a.data)
140430643086280

因此,大多数混淆可能来自于a.data的属性符号表明它是我们正在谈论的固定对象这一事实,而事实并非如此.

                        （编辑：李大同）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!