numpy.ma.MaskedArray.strides#

属性

ma.MaskedArray.strides#

遍历数组时每个维度步进的字节数的元组。

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)

有关步长的更详细解释，请参阅 N 维数组 (ndarray)。

警告

不建议设置 arr.strides，并且将来可能会弃用。 numpy.lib.stride_tricks.as_strided 应优先用于以更安全的方式创建相同数据的新的视图。

参见

numpy.lib.stride_tricks.as_strided

备注

假设一个 32 位整数数组（每个 4 字节）

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

此数组存储在内存中，一个接一个地存储为 40 个字节（称为连续的内存块）。数组的步长告诉我们，为了沿某个轴移动到下一个位置，我们必须在内存中跳过多少字节。例如，我们必须跳过 4 个字节（1 个值）才能移动到下一列，但必须跳过 20 个字节（5 个值）才能到达下一行的相同位置。因此，数组 x 的步长将为 (20, 4)。

示例

>>> import numpy as np
>>> y = np.reshape(np.arange(2*3*4), (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]]])
>>> y.strides
(48, 16, 4)
>>> y[1,1,1]
17
>>> offset=sum(y.strides * np.array((1,1,1)))
>>> offset/y.itemsize
17

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