python - - vs -= 运算符与 numpy

Question

我的 python 代码中有一些与 - 和 -= 相关的奇怪行为。我正在使用 numpy 编写 QR 分解，并在双循环中包含以下代码行:

v = v - r[i,j] * q[:,i]

其中q和r都是numpy.array，v是另一个的一部分>numpy.array 取为 v = x[:,j]。

上述代码并非在所有情况下都按预期工作。但是，如果我进行以下更改:

v -= r[i,j] * q[:,i]

然后一切都完美无缺。

我的印象是这两行应该是相同的。为了测试 -= 和 _ = _ - 是否工作不同，我创建了以下片段

import numpy

x = numpy.array(range(0,6))
y = numpy.array(range(0,6))

u = x[3:5]
v = y[3:5]

print u,v

u = u - [1,1]
v -= [1,1]

print u,v

再次按预期工作，在两个打印语句中生成 [2 3] [2 3]。

所以我完全不明白为什么这两条线的表现不同。我能想到的唯一可能的事情是，我有时会处理极小的数字(大约 10^-8 或更小)并且 -= 更擅长一些精度问题？随着 x 的元素变小，第一行的性能越来越差。

如果有其他类似问题的帖子，我很抱歉，我无法搜索 - 和 -= ，我不知道是否有任何正确的条款对于除赋值/运算符之外的这些。

感谢您的帮助!

Answer 1

当 v 是切片时，v -= X 和 v = v - X 会产生截然不同的结果。考虑

>>> x = np.arange(6)
>>> v = x[1:4]
>>> v -= 1
>>> v
array([0, 1, 2])
>>> x
array([0, 0, 1, 2, 4, 5])

其中 v -= 1 更新切片，因此更新它查看的数组，就地，对比

>>> x = np.arange(6)
>>> v = x[1:4]
>>> v = v - 1
>>> v
array([0, 1, 2])
>>> x
array([0, 1, 2, 3, 4, 5])

其中 v = v - 1 重置变量 v 而 x 保持不变。要在没有 -= 的情况下获得前一个结果，您必须这样做

v[:] = v - 1