Как сделать обработку на месте определенного набора строк массива numpy

Question

В следующем примере я хотел бы изменить определенный набор строк как группу, in-place. Первый вызов inplace_process, по-видимому, приводит к копированию передаваемого массива, тогда как второй вызов inplace_process изменяет непосредственно переменную x.

Размер массива в моем фактическом прецеденте слишком велик, чтобы создать копию, и я вызываю код, который является внешним для моего проекта.

import numpy as np 

def inplace_process(a, C, N): 
    a.shape = (C, N) 
    a[:, :] = float(C*N) 

C = 4 
N = 128 
x = np.zeros((C, N)) 

# process a specific set of rows 
inplace_process(x[(0, 1, 3), :], 3, N) 
# independently process an inner row 
inplace_process(x[2, :], 1, N) 

print '-----------------------------------------------------' 
print ' We want C*N and not zeros' 
print x 

Выходы:

[[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0.] 
[ 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 
    128. 128. 128. 128. 128. 128. 128. 128.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 
    0. 0. 0. 0. 0. 0. 0. 0.]] 

Answer 1

В NumPy, "basic slices", такие как x[2, :], возвращение взглядов.

Так называемый "advanced indexing", , такой как x[(0,1,3), :], возвращает копии массива.

Под капотом значения Numpy массивы хранят в непрерывном блоке памяти и доступа к значениям на основе dtype, shape и strides. Значения сами могут быть несмежными внутри этого блока памяти в зависимости от шага, но тем не менее каждый массив ссылается на значения из одного блока памяти.

Продвинутое индексирование позволяет вам выбрать произвольно строк из этого блока памяти. В общем, нет способа указать результирующий массив, используя исходный блок памяти , и просто тип, форму и шаги. Поэтому значения результирующего массива должны быть скопированы в новый массив. Вот почему расширенная индексация всегда возвращает копию.

Модификация копии массива (как и следовало ожидать) не влияет на исходный массив. Вот почему прохождение x[(0, 1, 3), :] до inplace_place не влияет на x.

Однако назначения, даже если левая сторона использует расширенную индексацию, действительно влияют на исходный массив. Например,

x[(0, 1, 3), :] = C*N 

повлияет на x. Таким образом, вы можете исправить код, передав строки в inplace_process и выполняя задание a[rows, :] там:

import numpy as np 

def inplace_process(a, rows, C, N): 
    a[rows, :] = float(C*N) 

C = 4 
N = 128 
x = np.zeros((C, N)) 

# process a specific set of rows 
inplace_process(x, (0, 1, 3), 3, N) 
# independently process an inner row 
inplace_process(x, [2], 1, N)