Конкатенация массивов Numpy без копирования

Question

В Numpy я могу объединить два массива непрерывно с np.append или np.concatenate:

>>> X = np.array([[1,2,3]])
>>> Y = np.array([[-1,-2,-3],[4,5,6]])
>>> Z = np.append(X, Y, axis=0)
>>> Z
array([[ 1,  2,  3],
       [-1, -2, -3],
       [ 4,  5,  6]])

Но они делают копии своих входных массивов:

>>> Z[0,:] = 0
>>> Z
array([[ 0,  0,  0],
       [-1, -2, -3],
       [ 4,  5,  6]])
>>> X
array([[1, 2, 3]])

Есть ли способ объединить два массива в представление , т.е. без копирования?Для этого потребуется подкласс np.ndarray?

Answer 1

Память, принадлежащая массиву Numpy, должна быть смежной.Если вы выделили массивы отдельно, они случайно разбросаны в памяти, и невозможно представить их как массив Numpy вида.

Если вы заранее знаете, сколько массивов вам нужно, вместо этого вы можете начать с одногобольшой массив, который вы выделяете заранее, и чтобы каждый из маленьких массивов был представлением большого массива (например, полученного срезанием).

Answer 2

Просто инициализируйте массив, прежде чем заполнять его данными.Если вы хотите, вы можете выделить больше места, чем нужно, и он не будет занимать больше оперативной памяти из-за способа работы numpy.

A = np.zeros(R,C)
A[row] = [data]

Память используется только после помещения данных в массив.Создание нового массива из объединения двух никогда не завершится на наборе данных любого размера, т.е. на наборе данных> 1 ГБ или около того.

Answer 3

Не совсем элегантно, но вы можете приблизиться к тому, что вы хотите, используя кортеж для хранения указателей на массивы. Теперь я понятия не имею, как бы я использовал его в этом случае, но я делал такие вещи раньше.

>>> X = np.array([[1,2,3]])
>>> Y = np.array([[-1,-2,-3],[4,5,6]])
>>> z = (X, Y)
>>> z[0][:] = 0
>>> z
(array([[0, 0, 0]]), array([[-1, -2, -3],
       [ 4,  5,  6]]))
>>> X
array([[0, 0, 0]])

Answer 4

У меня была та же проблема, и в итоге я сделал ее в обратном порядке, после обычной конкатенации (с копией) я переназначил исходные массивы, чтобы они стали представлениями каскадной:

import numpy as np

def concat_no_copy(arrays):
    """ Concats the arrays and returns the concatenated array 
    in addition to the original arrays as views of the concatenated one.

    Parameters:
    -----------
    arrays: list
        the list of arrays to concatenate
    """
    con = np.concatenate(arrays)

    viewarrays = []
    for i, arr in enumerate(arrays):
        arrnew = con[sum(len(a) for a in arrays[:i]):
                     sum(len(a) for a in arrays[:i + 1])]
        viewarrays.append(arrnew)
        assert all(arr == arrnew)

    # return the view arrays, replace the old ones with these
    return con, viewarrays

Вы можете проверить это следующим образом:

def test_concat_no_copy():
    arr1 = np.array([0, 1, 2, 3, 4])
    arr2 = np.array([5, 6, 7, 8, 9])
    arr3 = np.array([10, 11, 12, 13, 14])

    arraylist = [arr1, arr2, arr3]

    con, newarraylist = concat_no_copy(arraylist)

    assert all(con == np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 
                                11, 12, 13, 14]))

    for old, new in zip(arraylist, newarraylist):
        assert all(old == new)

Answer 5

Ответ основан на моем другом ответе в Ссылка на строки ndarray в ndarray

X = np.array([[1,2,3]])
Y = np.array([[-1,-2,-3],[4,5,6]])
Z = np.array([None, None, None])
Z[0] = X[0]
Z[1] = Y[0]
Z[2] = Y[1]

Z[0][0] = 5 # X would be changed as well

print(X)
Output: 
array([[5, 2, 3]])

# Let's make it a function!
def concat(X, Y, copy=True):
    """Return an array of references if copy=False""" 
    if copy is True:  # deep copy
        return np.append(X, Y, axis=0)
    len_x, len_y = len(X), len(Y)
    ret = np.array([None for _ in range(len_x + len_y)])
    for i in range(len_x):
        ret[i] = X[i]
    for j in range(len_y):
        ret[len_x + j] = Y[j] 
    return ret

Answer 6

Вы можете создать массив массивов, например:

>>> from numpy import *
>>> a = array([1.0, 2.0, 3.0])
>>> b = array([4.0, 5.0])
>>> c = array([a, b])
>>> c
array([[ 1.  2.  3.], [ 4.  5.]], dtype=object)
>>> a[0] = 100.0
>>> a
array([ 100.,    2.,    3.])
>>> c
array([[ 100.    2.    3.], [ 4.  5.]], dtype=object)
>>> c[0][1] = 200.0
>>> a
array([ 100.,  200.,    3.])
>>> c
array([[ 100.  200.    3.], [ 4.  5.]], dtype=object)
>>> c *= 1000
>>> c
array([[ 100000.  200000.    3000.], [ 4000.  5000.]], dtype=object)
>>> a
array([ 100.,  200.,    3.])
>>> # Oops! Copies were made...

Проблема в том, что он создает копии при широковещательных операциях (звучит как ошибка).