numpy数组行专业和列专业

Question

我在了解如何numpy存储其数据时遇到了麻烦。考虑以下：

>>> import numpy as np
>>> a = np.ndarray(shape=(2,3), order='F')
>>> for i in xrange(6): a.itemset(i, i+1)
... 
>>> a
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.]])
>>> a.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

这就是说a是列主（F_CONTIGUOUS），因此，在内部a应如下所示：

[1, 4, 2, 5, 3, 6]

这就是本词汇表中所说的。令我困惑的是，如果我尝试以a线性方式访问的数据，则会得到：

>>> for i in xrange(6): print a.item(i)
... 
1.0
2.0
3.0
4.0
5.0
6.0

在这一点上，我不确定该F_CONTIGUOUS标志告诉我们什么，因为它不遵守该顺序。显然，python中的所有内容都是行专业的，当我们想以线性方式进行迭代时，可以使用迭代器flat。

问题如下： 假设我们有一个数字列表，例如：1, 2, 3, 4, 5, 6，我们如何以列主要顺序创建numpy形状数组(2, 3)？那就是我如何得到一个看起来像这样的矩阵

array([[ 1.,  3.,  5.],
       [ 2.,  4.,  6.]])

我真的很希望能够在列表上进行线性迭代，然后将它们放入新创建的ndarray。这样做的原因是因为我将读取按列主要顺序设置的多维数组文件。

Answer 1

numpy以行主要顺序存储数据。

>>> a = np.array([[1,2,3,4], [5,6,7,8]])
>>> a.shape
(2, 4)
>>> a.shape = 4,2
>>> a
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])

如果更改形状，则数据顺序不会更改。

如果添加“ F”，则可以得到所需的内容。

>>> b
array([1, 2, 3, 4, 5, 6])
>>> c = b.reshape(2,3,order='F')
>>> c
array([[1, 3, 5],
       [2, 4, 6]])