numpy数组操作的奇怪行为

Question

解释一下:

>>> a = np.arange(10)
>>> a[2:]
array([2, 3, 4, 5, 6, 7, 8, 9])
>>> a[:-2]
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> a[2:] - a[:-2]
array([2, 2, 2, 2, 2, 2, 2, 2])
>>> a[2:] -= a[:-2]
>>> a
array([0, 1, 2, 2, 2, 3, 4, 4, 4, 5])

当然是预期的结果array([0, 1, 2, 2, 2, 2, 2, 2, 2, 2]).

我猜这是与numpy并行化的东西有关,并且不够聪明,以至于它需要首先制作数据的临时副本(或以正确的顺序执行操作).

换句话说,我怀疑它正在做这样的天真:

for i in range(2, len-2):
    a[i] -= a[i-2]

供参考,它适用于Matlab和Octave:

a = 0:9
a(3:end) = a(3:end) - a(1:end-2)

a =

  0  1  2  3  4  5  6  7  8  9

a =

  0  1  2  2  2  2  2  2  2  2

实际上,如果你这样做,它的工作正常:

a[2:] = a[2:] - a[:-2]

所以这可能意味着这a -= b与a = a - bnumpy 不一样!

实际上现在我开始想到它,我认为Mathworks将此作为未实现+ =, - =,/ =和*=运算符的原因之一!

Answer 1

当您像示例中那样对 numpy 数组进行切片时，您将获得数据的视图而不是副本。

看：

http://scipy-lectures.github.io/advanced/advanced_numpy/#example-inplace-operations-caveat-emptor