id和numpy.shares_memory之间的关系是什么？

Question

在Python3.x中，我不理解id和shares_memory之间的关系。这是我的代码：

import numpy as np
a = np.arange(20)
print(a)
print(id(a))
b = a[::2]
print(b)
print(id(b))
np.shares_memory(a,b)

这是输出：

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
2784148965456
[ 0  2  4  6  8 10 12 14 16 18]
2784148964736
True

shares_memory的计算结果为True，但它们的id值不同。为什么会这样呢？

Answer 1

内置函数id()返回Python对象的唯一标识符，在本例中为ndarray。如果两个对象具有相同的id，则它们是..同样的物体。它在Python中实现id()的常见方式是将指向对象的指针返回为一个整数。

存储在ndarray中的数据是一个单独的对象。可以有多个ndarray共享相同的存储器，即切片的结果。您可以使用arr.__array_interface__['data']检查ndarray数据中第一个元素的实际地址。

为了追踪数据的真正所有者，您可以使用base属性：

>> a = np.zeros(10)
>> b = a[1:]
>> c = b[1:] # c is made from b not a!
>> a.base is None
True
>> b.base is a
True
>> c.base is a
True

请注意，数据地址和id()可能在数值上相似，因为它们通常是通过连续分配创建的。

如果两个ndarray共享基本内存，则它们共享内存。请注意，如果object的base是None，那么base就是对象本身。此外，数组缓冲区必须至少共享一个字节。