numpy重塑会创建副本吗？

Question

是否有一种方法可以对numpy数组进行整形，但是可以就位。我的问题是我的数组很大，因此任何不必要的副本都不会占用内存。

我当前的方法是这样的：

train_x = train_x.reshape(n,32*32*3)

这不能完全解决问题，因为它会创建一个新数组，然后将标签train_x分配给新数组。

在正常情况下，这是可以的，因为垃圾收集器很快就会收集原始数组。

问题是我有这样的东西：

train_x, train_y = train_set
train_x = train_x.reshape(n,32*32*3)

所以在这种情况下，即使train_x不再指向原始数组，在train_set内部仍然有一个指向原始数组的指针。

我想要一种将先前数组的所有指针更改为此新数组的方法。有办法吗？

或者也许还有其他处理此问题的方法/

Answer 1

对于Python，请记住，多个变量或名称可以指向同一对象，例如numpy数组。数组也可以具有视图，这些视图是新的数组对象，但是具有共享的数据缓冲区。副本具有其自己的数据缓冲区。

In [438]: x = np.arange(12)
In [439]: y = x                # same object
In [440]: y.shape = (2,6)      # inplace shape change
In [441]: y
Out[441]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
In [442]: x
Out[442]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
In [443]: y = y.reshape(3,4)        # y is a new view
In [444]: y
Out[444]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
In [445]: x
Out[445]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

y具有不同的形状，但是共享数据缓冲区：

In [446]: y += 1
In [447]: y
Out[447]: 
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
In [448]: x
Out[448]: 
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12]])