numpy.ndarray.view

ndarray.view(dtype=None, type=None)

Новая ссылка на массив с теми же данными.

Параметры:

dtype : тип данных или подкласс ndarray, необязательно Описатель типа данных возвращаемой ссылки, например, float32 или int16. По умолчанию, None, результатом является ссылка с тем же типом данных, что и a. Этот параметр также может быть указан как подкласс ndarray, который затем определяет тип возвращаемого объекта (это эквивалентно установке параметра type). type : тип Python, необязательно Тип возвращаемой ссылки, например, ndarray или matrix. Опять же, по умолчанию None сохраняет тип.

Примечания

a.view() используется двумя разными способами:

a.view(some_dtype) или a.view(dtype=some_dtype) создает ссылку на память массива с другим типом данных. Это может привести к переинтерпретации байтов памяти.

a.view(ndarray_subclass) или a.view(type=ndarray_subclass) просто возвращает экземпляр ndarray_subclass, который ссылается на тот же массив (такая же форма, тип данных и т. д.). Это не приводит к переинтерпретации памяти.

Для a.view(some_dtype), если some_dtype имеет другое количество байтов на элемент, чем предыдущий тип данных (например, преобразование обычного массива в структурированный массив), тогда поведение ссылки нельзя предсказать только из внешнего вида a (показанного print(a)). Это также зависит от того, как a хранится в памяти. Поэтому, если a имеет порядок следования C-порядка или Fortran-порядка, а также определен как срез или транспонирование и т. д., ссылка может дать разные результаты.

Примеры

>>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])

Просмотр данных массива с использованием другого типа и типа данных:

>>> y = x.view(dtype=np.int16, type=np.matrix)
>>> y
matrix([[513]], dtype=int16)
>>> print(type(y))
<class 'numpy.matrixlib.defmatrix.matrix'>

Создание ссылки на структурированный массив для использования в расчётах

>>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)])
>>> xv = x.view(dtype=np.int8).reshape(-1,2)
>>> xv
array([[1, 2],
       [3, 4]], dtype=int8)
>>> xv.mean(0)
array([ 2.,  3.])

Изменения в ссылке изменяют базовый массив

>>> xv[0,1] = 20
>>> print(x)
[(1, 20) (3, 4)]

Использование ссылки для преобразования массива в recarray:

>>> z = x.view(np.recarray)
>>> z.a
array([1], dtype=int8)

Ссылки совмещают данные:

>>> x[0] = (9, 10)
>>> z[0]
(9, 10)

Ссылки, изменяющие размер типа данных (байты на запись), как правило, следует избегать для массивов, определённых срезами, транспонированием, Fortran-порядком и т. д.:

>>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16)
>>> y = x[:, 0:2]
>>> y
array([[1, 2],
       [4, 5]], dtype=int16)
>>> y.view(dtype=[('width', np.int16), ('length', np.int16)])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: new type not compatible with array.
>>> z = y.copy()
>>> z.view(dtype=[('width', np.int16), ('length', np.int16)])
array([[(1, 2)],
       [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')])