在纯 Python 中转置“memoryview”

Question

是否有纯 Python 方法来转置 a memoryview？Python memoryviews可以表示的不仅仅是一维字节块。它们可以表示多维布局、非连续内存、复杂元素类型等。例如，在下面的代码中：In [1]: import numpyIn [2]: x = numpy.array([[1, 2], [3, 4]])In [3]: y = x.TIn [4]: a = memoryview(x)In [5]: b = memoryview(y)a并且b是 2×2 多维内存视图：In [6]: a.shapeOut[6]: (2, 2)In [7]: b.shapeOut[7]: (2, 2)andb表示 的转置a，soa[i, j]和b[j, i]alias 相同的内存（即原始x数组的单元格 i、j）：In [8]: a[0, 1] = 5In [9]: b[1, 0]Out[9]: 5In [10]: xOut[10]: array([[1, 5],       [3, 4]])NumPy 数组支持简单的转置，但 NumPy 数组并不是多维内存视图的唯一来源。例如，您可以投射一维内存视图：In [11]: bytearr = bytearray([1, 2, 3, 4])In [12]: mem = memoryview(bytearr).cast('b', (2, 2))In [13]: mem.shapeOut[13]: (2, 2)In [14]: mem[1, 0] = 5In [15]: bytearrOut[15]: bytearray(b'\x01\x02\x05\x04')memoryview 格式非常灵活，可以表示 的转置mem，就像我们b之前a示例中的转置一样，但在 memoryview API 中似乎没有简单的转置方法。是否有转置任意多维内存视图的纯 Python 方法？

Answer 1

不依赖就没有好办法。使用 NumPy，它非常简单，只要 memoryview 没有子偏移量：

transposed = memoryview(numpy.asarray(orig_memoryview).T)

orig_memoryview可以由任何东西支持——它后面不必有 NumPy 数组。

与其他答案不同，生成的内存视图由与原始内存视图相同的内存支持。例如，使用以下多维内存视图：

In [1]: import numpy

In [2]: arr = numpy.array([[1, 2], [3, 4]])

In [3]: mem = memoryview(arr)

我们可以转置它：

In [4]: transposed = memoryview(numpy.asarray(mem).T)

并写入转置内存视图会影响原始数组：

In [5]: transposed[0, 1] = 5

In [6]: arr

Out[6]: 

array([[1, 2],

       [5, 4]])

此处，写入转置的单元格 0、1 对应于原始数组的单元格 1、0。

这不依赖于由 NumPy 数组支持的原始内存视图。它适用于由其他东西支持的内存视图，比如bytearrays:

In [7]: x = bytearray([1, 2, 3, 4])

In [8]: y = memoryview(x).cast('b', (2, 2))

In [9]: transposed = memoryview(numpy.asarray(y).T)

In [10]: transposed[0, 1] = 5

In [11]: y[1, 0]

Out[11]: 5

In [12]: x

Out[12]: bytearray(b'\x01\x02\x05\x04')

没有 NumPy 或类似的依赖项，我看不出什么好方法。最接近好方法的是使用 ctypes，但您需要为此硬编码Py_buffer结构布局，并且Py_buffer结构的确切布局没有记录。（字段顺序和类型与记录字段的顺序或记录它们的类型不完全匹配。）此外，对于具有子偏移量的PIL 样式数组，如果不复制就无法转置内存视图数据。

从好的方面来说，大多数情况下你要处理多维内存视图，你已经有了转置它们所需的依赖关系。

Answer 2

这可能会帮助您：

>>> import numpy as np

>>> import array

>>> a = array.array('l', [-11111111, 22222222, -33333333, 44444444])

>>> m = memoryview(a)

>>> m_copy =  np.array(m)[np.newaxis]

>>> m_copy

array([[-11111111,  22222222, -33333333,  44444444]])

>>> m_copy.T

array([[-11111111],

       [ 22222222],

       [-33333333],

       [ 44444444]])

不使用 numpy：

import array

a = array.array('l', [-11111111, 22222222, -33333333, 44444444])

print(a)

#output:

array('l', [-11111111, 22222222, -33333333, 44444444])

m = memoryview(a)

a = [[x for x in m]]

result = list(map(list, zip(*a)))

print(result)

#output:

[[-11111111], [22222222], [-33333333], [44444444]]