Question

我无法弄清楚从for-loop到vectorized numpy操作的非常简单的过渡中的错误。代码如下

 for null_pos in null_positions:
      np.add(singletree[null_pos, parent.x, :, :],
             posteriors[parent.u, null_pos, :, :],
             out=singletree[null_pos, parent.x, :, :])

由于它是2D矩阵之间的简单加法，我概括为3D加法

 np.add(singletree[null_positions, parent.x, :, :],
             posteriors[parent.u, null_positions, :, :],
             out=singletree[null_positions, parent.x, :, :])

事情是，看来结果是不同的！你能明白为什么吗？

谢谢！

更新似乎

singletree[null_positions, parent.x, :, :] = \
             posteriors[parent.u, null_positions, :, :] +
             singletree[null_positions, parent.x, :, :]

解决了这个问题。这与添加操作有何不同？（除了分配新矩阵，我对语义方面感兴趣）

Answer 1

问题是传递out=singletree[null_positions, parent.x, :, :]正在制作singletree部分的副本，因为您正在使用advanced indexing（而不是basic indexing，它会返回视图）。因此，结果将写入完全不同的数组，原始数组将保持不变。

然而，you can use advanced indexing to assign values。在您的情况下，最值得推荐的语法是：

singletree[null_positions, parent.x, :, :] += \
    posteriors[parent.u, null_positions, :, :]

这将最大限度地减少中间阵列的使用。

python for-loop和3D numpy矩阵添加之间的等价性

1 个答案: