Question

根据我能找到的文档，在使用花式索引时，会返回副本而不是视图。但是，我无法弄清楚在分配给另一个数组时它的行为是什么，例如：

A = np.arange(0,10)
B = np.arange(-10,0)
fancy_slice = np.array([0,3,5])
A[fancy_slice] = B[fancy_slice]

我了解A只会收到__setitem__的来电，而B会接到__getitem__的来电。我关心的是在将值复制到A之前是否创建了中间数组。

Answer 1

解释器将解析代码并发出方法调用：

A方法在传递给numpy方法之前已完全评估。 temp = B[idx] A[idx] = temp del temp不会改变Python解释器或其语法。相反，它只是添加了函数，对象和方法。

从功能上讲，它应该等同于

timeit

我们可以确定一些In [712]: A = np.zeros(10000,int) In [713]: B = np.arange(10000) In [714]: idx = np.arange(0,10000,100) In [715]: timeit A[idx] = B[idx] 1.2 µs ± 3.24 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each) In [716]: %%timeit ...: temp = B[idx] ...: A[idx] = temp ...: 1.11 µs ± 0.669 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)。

add.at

有一些替代的功能/方法，例如copyto，place，put，copyto，可能会在没有中间版的情况下复制一些副本，但我没有＆＃39他们使用了很多。这个索引分配足够好 - 大部分时间。

In [718]: wh = np.zeros(A.shape, bool) In [719]: wh[idx] = True In [721]: np.copyto(A, B, where=wh) In [722]: timeit np.copyto(A, B, where=wh) 7.47 µs ± 9.92 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

的示例

copyto

因此，即使没有计时布尔掩码的构造，put也会慢一些。

take和In [727]: timeit np.put(A,idx, np.take(B,idx)) 7.98 µs ± 8.34 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)并不是更好：

{{1}}

Answer 2

创建一个中间数组。已创建。 NumPy没有看到

A[fancy_slice] = B[fancy_slice]

它看到了

                 B[fancy_slice]

单凭

，不知道上下文是什么。定义此操作以创建一个新数组，NumPy创建一个新数组。

然后，NumPy看到了

A[fancy_slice] = <the array created by the previous operation>

并将数据复制到A。

Numpy是否想将复制值直接索引到另一个数组？

2 个答案: