python - 为什么递增索引数组的行为如 numpy 用户文档中所述？

Question

例子

关于assigning value to indexed arrays的文档为那些天真的程序员展示了一个具有意外结果的示例。

>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x[np.array([1, 1, 3, 1])] += 1
>>> x
array([ 0, 11, 20, 31, 40])

文档说人们天真地期望 x[1]+1 处的数组的值递增三倍，但它却被分配给了 x[1] 三遍。

问题

真正让我感到困惑的是，我所期望的是操作 x += 1 的行为就像它在普通 Python 中所做的那样，如 x = x + 1，所以x 结果 array([11, 11, 31, 11])。如本例所示:

>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x = x[np.array([1, 1, 3, 1])] + 1
>>> x
array([11, 11, 31, 11])

问题

首先:

原始示例中发生了什么？有人可以详细说明一下吗？

第二个:

这是一个记录在案的行为，我同意这一点。但我认为它应该像我描述的那样表现，因为从 Pythonistic 的角度来看这是预期的。所以，只是因为我想被说服:是否有充分的理由让它表现得比“我预期的”行为更好？

Answer 1

问题是你给出的第二个例子和第一个不一样。如果您分别查看 x[np.array([1, 1, 3, 1])] + 1 的值会更容易理解，numpy 在您的两个示例中都计算了它。

x[np.array([1, 1, 3, 1])] + 1 的值是您所期望的:array([11, 11, 31, 11])。

>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x[np.array([1, 1, 3, 1])] + 1
array([11, 11, 31, 11])

在示例 1 中，您将此答案分配给原始数组 x 中的元素 1 和 3。这意味着新值 11 被分配给元素 1 3 次。

但是，在示例 2 中，您将原始数组 x 替换为新数组 array([11, 11, 31, 11])。

这是您第一个示例的正确等效代码，并给出相同的结果。

>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x[np.array([1, 1, 3, 1])] = x[np.array([1, 1, 3, 1])] + 1
>>> x
array([ 0, 11, 20, 31, 40])