numpy.ndarray.strides#
属性
- ndarray.strides#
遍历数组时每个维度需要跨越的字节数的元组。
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。注释
假设一个 32 位整数数组(每个整数 4 个字节)
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,为了沿着某个轴移动到下一个位置,我们需要在内存中跳过多少个字节。例如,我们需要跳过 4 个字节(1 个值)以移动到下一列,但需要跳过 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