python - python for循环和3D numpy矩阵加法之间的等价

Question

我无法找出从 for 循环到向量化 numpy 操作的非常简单的转换中的错误。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，因此我将其推广为 3D 加法

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

问题是，结果似乎不同!你能明白为什么吗？

谢谢!

更新:看来是这样的

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

问题解决了。这与添加操作有何不同？ (除了分配一个新的矩阵之外，我对语义方面感兴趣)

Answer 1

问题是传递 out=singletree[null_positions,parent.x, :, :] 正在复制 singletree 的部分，因为您正在使用advanced indexing (与 basic indexing 相反，它返回 View )。因此，结果将被写入一个完全不同的数组，并且原始数组将保持不变。

但是，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数组的使用。