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
