为何NumPy数组可同时为C_CONTIGUOUS与F_CONTIGUOUS？

哈哈，这个问题其实是个很容易踩的小细节坑！我来给你理清楚：

核心原因：一维数组的特殊性 #

首先你要知道：所有一维NumPy数组的C_CONTIGUOUS和F_CONTIGUOUS标记默认都是True。因为对于只有一个维度的数组来说，“行优先”（C风格）和“列优先”（Fortran风格）的内存排布逻辑完全一致——数据就是按顺序连续存在内存里的，根本不存在行或列的区分，所以两个标记都会被设为True。

你的代码里的小疏漏 #

看你写的代码：

b = np.arange(8,dtype='int8')
b.reshape(2,4,order='F')
b.flags

这里的问题是：reshape方法默认会返回一个新的数组，而你并没有把这个新的二维数组赋值给b！原变量b依然是最初创建的那个一维数组，所以它的flags自然会同时满足C连续和F连续。

验证修正后的结果 #

如果把reshape的结果赋值给变量，你就能看到符合预期的标记了：

import numpy as np
b = np.arange(8, dtype='int8')
# 将reshape后的新数组赋值给变量
b_reshaped = b.reshape(2,4,order='F')
print(b_reshaped.flags)

输出的flags会是这样：

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

补充：多维数组的例外情况 #

另外要提一句：不是所有多维数组的两个连续标记都互斥——如果数组的某个维度长度为1（比如形状是(5,1)或者(1,3,4)），本质上和一维数组的存储逻辑类似，这时候也会出现两个标记同时为True的情况哦。

内容的提问来源于stack exchange，提问作者Tomas Sedlacek