python list +空的numpy数组=空的numpy数组？

Question

今天，我发现代码中有些奇怪的地方，发现在某些情况下它会执行以下命令：

my_list = [0] + np.array([])

结果my_list如下：

array([], dtype=float64)

一开始我很困惑，比我理解的解释器要先将列表转换为一个numpy数组，然后再尝试广播操作：

>>> np.array([0]) + np.array([])
array([], dtype=float64)

我对此行为有一些疑问：

• 为什么要广播？
• python抛出错误会更好吗，至少在这种情况下，列表被转换并消失了？

感谢您的澄清！

Answer 1

首先：

如果 python 抛出错误，至少对于列表被转换并消失的特殊情况，不是更好吗？

我认为这个测试是不可能的。根据这个评论：

对于像这样的反向操作b.__radd__(a)我们调用相应的ufunc。

这意味着 using[0] + np.array([])实际上会调用 ufunc np.add([0], np.array([]))，它将类似数组的列表转换为数组，而没有机会决定操作数的大小。

所以广播是给定的。(1,)那么问题是拥有形状并(0,)广播到是否明智(0,)。您可以这样想：标量总是广播，并且在大多数情况下，1 元素一维数组与标量一样好：

>>> np.add([0], [])
array([], dtype=float64)

>>> np.add(0, [])
array([], dtype=float64)

如果您以这种方式看待它，那么它通常是有意义的，尽管我同意这令人惊讶，特别是非单长度数组不会像这样广播。但这不是一个错误（只是一个功能的有趣情况）。

更准确地说，广播发生的事情始终是“大小为 1 的维度将广播”。类似数组[0]具有 shape (1,)，并且np.array([])具有 shape （与具有 shape 的(0,)标量相反！）。因此广播发生在单例上，结果具有形状。np.int64()()(0,)

如果我们注入更多的单例维度，它会变得更清楚：

>>> ([0] + np.array([])).shape
(0,)

>>> ([[0]] + np.array([])).shape
(1, 0)

>>> ([[[0]]] + np.array([])).shape
(1, 1, 0)

>>> np.shape([[[0]]])
(1, 1, 1)

因此，例如在最后一种情况下，形状(1, 1, 1)将很好地沿其最后一个维度与一维数组一起广播，并且结果确实应该(1, 1, 0)在这种情况下。