NumPy - Was ist der Unterschied zwischen frombuffer und fromstring?

Erscheinen Sie, um das gleiche Ergebnis zu mir:

In [32]: s
Out[32]: '\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x15\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00'

In [27]: np.frombuffer(s, dtype="int8")
Out[27]:
array([ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0], dtype=int8)

In [28]: np.fromstring(s, dtype="int8")
Out[28]:
array([ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0], dtype=int8)

In [33]: b = buffer(s)

In [34]: b
Out[34]: <read-only buffer for 0x035F8020, size -1, offset 0 at 0x036F13A0>

In [35]: np.fromstring(b, dtype="int8")
Out[35]:
array([ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0], dtype=int8)

In [36]: np.frombuffer(b, dtype="int8")
Out[36]:
array([ 0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0, 21,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0], dtype=int8)

Wann sollte man eingesetzt werden, gegen die anderen?

  • Haben Sie die Dokumentation zu Lesen? frombuffer erzeugt ein 1d-array aus einem Puffer-Objekt und fromstring erzeugt ein 1d-array aus einer binären oder string-Darstellung.
  • Bitte Bearbeiten Sie in dem, was s ist.
  • Ob s ist ein string von bytes oder ein Puffer ist egal, in meinem einfachen Beispiel.
InformationsquelleAutor user202987 | 2014-03-06
  1. 28

    Vom praktischen Standpunkt aus, der Unterschied ist, dass:

    x = np.fromstring(s, dtype='int8')

    Wird eine Kopie des Strings im Speicher, während:

    x = np.frombuffer(s, dtype='int8')

    oder

    x = np.frombuffer(buffer(s), dtype='int8')

    Verwenden Sie den Speicherpuffer, der den string direkt und nicht jede* zusätzliche Speicher. Mit frombuffer werden auch im nur-Lesen-array, wenn der Eingang zu buffer ist ein string, strings sind unveränderlich in python.

    (*Zu vernachlässigen, ein paar Byte Speicher für eine zusätzliche python - ndarray Objekt -- Der zugrunde liegende Speicher für die Daten freigegeben werden.)

    Wenn Sie nicht vertraut sind mit buffer - Objekte (memoryview in Python ist3.x), Sie sind im wesentlichen eine Möglichkeit für C-level-Bibliotheken setzen ein Speicherblock, der für die Verwendung in python. Es ist im Grunde eine python-Schnittstelle für verwalteten Zugriff auf die raw-Speicher.

    Wenn man die Arbeit mit etwas, das ausgesetzt die Puffer-Schnittstelle, dann würden Sie wahrscheinlich verwenden wollen frombuffer. (Python-2.x Streichern und python 3.x bytes aussetzen der Puffer-Schnittstelle, aber Sie erhalten eine nur-Lesen-array, die als python-strings sind unveränderlich.)

    Andernfalls verwenden Sie fromstring erstellen ein numpy-array aus einem string. (Es sei denn, Sie wissen, was Sie tun, und will streng kontrollieren-Speicher, etc.)

    • Vielen Dank für die background info über buffer-Objekte.
    • Sind Sie sicher, dass np.frombuffer() nicht machen Sie eine Kopie der Puffer? Wenn ich buffer(np.frombuffer(buffer(s), dtype='int8')) wiederholt, bekomme ich eine neue Puffer-Speicherort jedes mal, und es immer anders aus buffer(s).
    • Sie bekommen neue Objekte (z.B. eine neue ndarray jedes mal), aber Sie verweisen auf den gleichen Speicher. Wenn Sie möchten, um dies zu überprüfen, versuchen Sie es mit etwas, das veränderlich ist (z.B. ein array.array) anstatt ein string und den Inhalt ändern. Du wirst sehen, all die numpy Ansichten und die Puffer ändern.
    • danke. Ich experimentierte ein wenig mit multiprocessing.Array als Puffer und fand Sie verwendet den gleichen Speicher. Die string-Repräsentation des Objekt-Puffer scheint irreführend zu sein; vielleicht zeigt es die Position der Variablen anstatt die zugrunde liegende Puffer. Einen besseren Weg, um zu überprüfen, scheint id(buffer[0]).
    • Umgekehrt, um die Frage von @MatthiasFripp, sind Sie sicher, dass np.fromstring() nicht machen Sie eine Kopie der Daten? Laut der Dokumentation, "Veraltet seit version 1.14: Wenn dieses argument [sep] ist nicht vorgesehen, fromstring fällt wieder auf das Verhalten der frombuffer nach der Codierung unicode-string-inputs als utf-8 (python 3), oder die Standard-Codierung (python 2)." Dies deutet darauf hin, dass die Funktionen identisch sind, wenn sep ist nicht im Lieferumfang enthalten.
    • Die Dinge haben sich ziemlich geändert, seit diese Antwort geschrieben wurde. Allerdings macht es immer noch eine Kopie -- beachten Sie, dass Sie eine mutable-array als ein Ergebnis (und ändern es ändert nicht den string/Byte). Wenn es nicht eine Kopie machen, hat das resultierende array wäre nicht veränderbar (kein copy-on-write möglich mit der Semantik numpy nutzt hier).
    • Interessant, danke. Als andere Belege, merke ich, dass x.base gibt den original-Byte-Objekt (oder Python array Objekt) wenn Sie frombuffer(), gibt aber None wenn Sie fromstring().

    InformationsquelleAutor Joe Kington
Schreibe einen Kommentar