`ndarray.flags['OWNDATA']`、`ndarray.base`、`id(ndarray)`和`ndarray.__array_interface__['data']`有何不同？

Question

我似乎在this问题中遇到了一个XY问题，关于如何判断数组是否共享相同的内存。 我检查的方式是错误的，我不知道为什么。

举几个例子吧

test = np.ones((3,3))
test2 = np.array(test, ndmin = 2, copy = False)
test3 = np.array(test, ndmin = 3, copy = False)

首先，让我们检查它们是否使用

.base

共享内存

test2.base is test
False

test3.base is test
True

所以看起来

test3

正在与

test

共享数据，但

test2

则不然。 事实上

test2.base is None => True

，我认为这意味着它是单独的内存（即副本）。

当我检查

.flags

时，这种印象更加强烈

test2.flags['OWNDATA']
True

test3.flags['OWNDATA']
False

又好像只有

test3

正在共享数据，而

test2

是副本。

但是如果我检查内置的

python

id(...)

id(test)
248896912

id(test2)
248896912

id(test3)
248897352

现在

id

和

test

的

test2

（据说是内存中对象的地址）匹配，但

test3

不匹配，这与上述方法给出了完全相反的印象。

当然，这两种印象都是错误的，因为：

test.__array_interface__['data']
(209580688, False)

test2.__array_interface__['data']
(209580688, False)

test3.__array_interface__['data']
(209580688, False)

实际的缓冲区地址全部匹配。 确实：

test[0,0] = 2

test, test2, test3

(array([[ 2.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]),  
array([[ 2.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]), 
array([[[ 2.,  1.,  1.],
         [ 1.,  1.,  1.],
         [ 1.,  1.,  1.]]]))

因此，如果

ndarray.base

、

ndarray.flags['OWNDATA']

和

id(ndarray)

实际上没有告诉我内存是否共享，那么它们告诉我什么？

Answer 1

test2

是

test 且

test3

是

test

的视图。

ndarray.base

如果将数组创建为另一个对象的视图，则其

base

将指向另一个对象...或者 NumPy 将遵循该对象的

base

链并使用“根基”。有时是一种选择，有时是另一种选择。存在许多错误和向后兼容性问题。

test2

不是

test

的视图。

test2

是

test。它的

base

是

None

，因为它不是视图。

test3

是

test

的视图，其

base

设置为

test

。

ndarray.flags['OWNDATA']

如果数组不是视图，则设置此标志。如前所述，

test3

是一个视图，而

test2

不是，因为

test2

 是

test。

id

id

给出对象的数字标识符，保证与生命周期与第一个对象重叠的任何对象的标识符不同。该函数不关心 NumPy 和视图；两个具有重叠生命周期的不同数组将具有不同的 ID，无论任何视图关系如何。

test2

就是

test

，所以它当然有和自己一样的ID。

test3

是一个具有重叠生命周期的不同对象，因此它具有不同的 ID。

ndarray.__array_interface__['data']

这是一个元组，其第一个元素是一个整数，表示数组第一个元素的内存地址。 （第二个元素对于这个问题并不重要。）

test

、

test2

和

test3

都使用相同的数据缓冲区，它们的第一个元素具有相同的偏移量，因此它们在这里给出相同的值。但是，共享内存的两个数组并不总是具有相同的值，因为它们可能不具有相同的第一个元素：

>>> import numpy
>>> x = numpy.arange(5)
>>> y = x[1:]
>>> z = x[:-1]
>>> x.__array_interface__['data']
(39692208L, False)
>>> y.__array_interface__['data']
(39692212L, False)
>>> z.__array_interface__['data']
(39692208L, False)