numpy.char.chararray.strides #

属性

char.chararray。跨步#

遍历数组时在每个维度中步进的字节元组。

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

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

有关步幅的更详细说明可以在 NumPy 参考指南的“ndarray.rst”文件中找到。

警告

不鼓励设置arr.strides,并且将来可能会被弃用。 numpy.lib.stride_tricks.as_strided应该优先以更安全的方式创建相同数据的新视图。

笔记

想象一个 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)

该数组以 40 个字节的形式存储在内存中,一个接一个(称为连续的内存块)。数组的步幅告诉我们必须在内存中跳过多少字节才能沿着某个轴移动到下一个位置。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)才能到达下一行中的相同位置。因此,数组x的步长将为 。(20, 4)

例子

>>> 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