numpy.ma.MaskedArray.strides#

属性

ma.MaskedArray.strides#

在遍历数组时,每个维度中步进的字节元组.

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

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

关于步幅的更详细解释可以在 N维数组 (ndarray) 中找到.

警告

不鼓励设置 arr.strides,并且可能在将来被弃用.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.

参见

numpy.lib.stride_tricks.as_strided

备注

想象一个包含32位整数的数组（每个4字节）:

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

这个数组在内存中存储为40字节,一个接一个（称为内存的连续块）.数组的步幅告诉我们为了沿着某个轴移动到下一个位置,必须在内存中跳过多少字节.例如,为了移动到下一列,我们必须跳过4字节（1个值）,但为了移动到下一行的同一位置,必须跳过20字节（5个值）.因此,数组 x 的步幅将是 (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
On this page