Переглянути масив numpy?

У мене 2D- numpyмасив. Чи є спосіб створити вид на нього, який би включав перші kрядки та всі стовпці?

Сенс у тому, щоб уникнути копіювання базових даних (масив настільки великий, що часткове копіювання неможливе.)

Звичайно, просто проіндексуйте, як зазвичай. Наприклад, y = x[:k, :] це поверне перегляд вихідного масиву. Жодні дані не будуть скопійовані, а будь-які оновлення, що були зроблені, yбудуть відображені в xі навпаки.

Редагувати:

Я зазвичай працюю з> 10 Гб тривимірних масивів uint8, тому я дуже про це переживаю ... Numpy може бути дуже ефективним в управлінні пам'яттю, якщо мати на увазі кілька речей. Ось кілька порад щодо уникнення копіювання масивів у пам’яті:

Використовуйте +=, -=, *=і т.д. , щоб уникнути створення копії масиву. Наприклад, x += 10буде змінювати масив на місці, а x = x + 10копіюватиме та модифікуватиме його. (також, подивіться на numexpr )

Якщо ви хочете зробити копію за допомогою x = x + 10, пам’ятайте, що x = x + 10.0це призведе xдо автоматичного перенесення в масив із плаваючою комою, якщо це ще не було. Однак, x += 10.0де xє цілочисельний 10.0масив, замість цього буде знижено значення int до тієї самої точності, що й масив.

Крім того, багато функцій numpy приймають outпараметри, тому ви можете робити такі речі, як np.abs(x, x)прийняти абсолютне значення xin-place.

Як друге редагування, ось ще кілька порад щодо переглядів та копій із масивами numpy:

На відміну від списків python, y = x[:]не повертає копію, він повертає подання. Якщо вам потрібна копія (яка, звичайно, подвоїть обсяг використовуваної вами пам’яті)y = x.copy()

Ви часто будете чути про "вигадливу індексацію" масивів numpy. Використання списку (або цілочисельного масиву) як індексу - це «вигадне індексування». Це може бути дуже корисно, але копіює дані.

Як приклад цього: y = x[[0, 1, 2], :]повертає копію, whiley = x[:3,:] повертає подання.

Навіть по-справжньому божевільне індексування подобається x[4:100:5, :-10:-1, None] "звичайна" індексація, поверне подання, однак, не бійтеся використовувати всілякі фокуси нарізки на великих масивах.

x.astype(<dtype>)поверне копію даних як новий тип, тоді як x.view(<dtype>)поверне подання.

Однак будьте обережні з цим ... Це надзвичайно потужне та корисне, але ви повинні розуміти, як основні дані зберігаються в пам'яті. Якщо у вас є масив плаваючих значень, і ви розглядаєте їх як ints, (або навпаки) numpy буде інтерпретувати базові біти масиву як ints.

Наприклад, це означає, що 1.0як 64-бітний плаваючий пристрій з малою ендіанською системою буде 4607182418800017408розглядатися як 64-бітний int, і масив, [ 0, 0, 0, 0, 0, 0, 240, 63]якщо розглядатися як uint8. Це справді приємно, коли вам потрібно виконати певне перетворення бітів на великих масивах, однак ... Ви маєте низький рівень контролю над інтерпретацією буфера пам'яті.