numpy.recarray.strides#

属性

recarray.strides#

遍历数组时，在每个维度上步进的字节元组。

数组 a 中元素 (i[0], i[1], ..., i[n]) 的字节偏移量为

offset = sum(np.array(i) * a.strides)

关于步长的更详细解释可以在 N维数组 (ndarray) 中找到。

警告

设置 arr.strides 不推荐，将来可能会被弃用。应优先使用 numpy.lib.stride_tricks.as_strided，以更安全的方式创建相同数据的新视图。

另请参见

numpy.lib.stride_tricks.as_strided

注意

想象一个32位整数（每个4字节）的数组

x = np.array([[0, 1, 2, 3, 4],
              [5, 6, 7, 8, 9]], dtype=np.int32)

这个数组在内存中以40字节连续存储（被称为连续内存块）。数组的步长告诉我们，沿着某个轴移动到下一个位置时，需要在内存中跳过多少字节。例如，我们必须跳过4字节（1个值）才能移动到下一列，但要跳过20字节（5个值）才能到达下一行中的相同位置。因此，数组 x 的步长将是 (20, 4)。

示例

>>> import numpy as np
>>> y = np.reshape(np.arange(2 * 3 * 4, dtype=np.int32), (2, 3, 4))
>>> y
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],
       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]], dtype=np.int32)
>>> y.strides
(48, 16, 4)
>>> y[1, 1, 1]
np.int32(17)
>>> offset = sum(y.strides * np.array((1, 1, 1)))
>>> offset // y.itemsize
np.int64(17)

>>> x = np.reshape(np.arange(5*6*7*8, dtype=np.int32), (5, 6, 7, 8))
>>> x = x.transpose(2, 3, 1, 0)
>>> x.strides
(32, 4, 224, 1344)
>>> i = np.array([3, 5, 2, 2], dtype=np.int32)
>>> offset = sum(i * x.strides)
>>> x[3, 5, 2, 2]
np.int32(813)
>>> offset // x.itemsize
np.int64(813)
在本页