Arrays in R and Python

Arrays in R and Python

译者:徐静

密集的数据连续存储在内存中,由一个单一的指标处理(内存地址)。数组内存排序策略将单个索引转换成与数组坐标对应的多个索引。例如,矩阵有两个索引:行和列。三维数组有三,等等.

列主序

列主序是用Fortran语言,MATLAB,R,和最底层核心的线性代数库(BLA)。顺序地址位置被转换为数组坐标i,j,k,……这样第一个数组坐标随地址变化最快,下一个数组坐标不那么快,等等。

行主序

行主要排序是顺序地址索引和数组坐标之间的一种不同的转换,而不是在矩阵中跨行放置内存中的顺序数据。行主排序有时被称为“C”样式排序和列主要排序“FORTRAN”样式。Python / NumPy是指在阵旗c_contiguous和f_contiguous顺序,分别。

Python

Python NumPy库很一般。它可以使用行为主或列为主的有序数组,但默认为行主排序

What about going from R column-major arrays to Python?

(y <- array(1:24, c(4, 3, 2)))  # In R

## , , 1
##      [,1] [,2] [,3]
## [1,]    1    5    9
## [2,]    2    6   10
## [3,]    3    7   11
## [4,]    4    8   12
## 
## , , 2
##      [,1] [,2] [,3]
## [1,]   13   17   21
## [2,]   14   18   22
## [3,]   15   19   23
## [4,]   16   20   24

(x <- np$array(y))              # and now in Python

## [[[ 1 13]
##   [ 5 17]
##   [ 9 21]]
## 
##  [[ 2 14]
##   [ 6 18]
##   [10 22]]
## 
##  [[ 3 15]
##   [ 7 19]
##   [11 23]]
## 
##  [[ 4 16]
##   [ 8 20]
##   [12 24]]]
x$flags

##   C_CONTIGUOUS : False
##   F_CONTIGUOUS : True
##   OWNDATA : True
##   WRITEABLE : True
##   ALIGNED : True
##   UPDATEIFCOPY : False

在array转换的时候,一定要注意调整,列主序和行主序

Reference

[1].Arrays in R and Python(en)

Author face

徐静

数据科学从业者,数据分析师. 善于用数据科学的工具透析业务,模型的线上化部署,网络爬虫及前端可视化. 喜欢研究机器学习,深度学习及相关软件实现.目前自己还是小白一个,希望多多学习.

最近发表的文章