蟒蛇for循環和3D numpy矩陣添加之間的等效

我找不到一個從for循環到矢量化numpy操作的非常簡單的轉換中的錯誤。代碼如下蟒蛇for循環和3D numpy矩陣添加之間的等效

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

既然是2D矩陣之間的簡單相加，我概括成3D除了

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

的事情是，它出現的結果是不同的！你能明白爲什麼嗎？

謝謝！

更新： 看來

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

解決了這個問題。這與添加操作有何不同？（除了分配一個新的矩陣，我感興趣的語義方面）

來源

2017-09-04 diningphil

輸入數組的形狀是什麼？ –

你可以假設：singletree是一個L×M×C×（C + 1）矩陣，後驗是N×L×C×（C + 1）。看看我的更新（我會在一分鐘後發佈），因爲它不依賴於尺寸，我相信 – diningphil

的問題是，經過out=singletree[null_positions, parent.x, :, :]正在的singletree的部分的副本，因爲你正在使用advanced indexing（相對於basic indexing，它返回視圖）。因此，結果將被寫入完全不同的數組，並且原始數組將保持不變。

但是，you can use advanced indexing to assign values。在你的情況下，最值得推薦的語法是：

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

這將盡量減少中間數組的使用。

來源

2017-09-04 16:45:46 jdehesa

謝謝！這真是一個愚蠢的錯誤:) – diningphil

@diningphil對我來說，看起來並不傻，你的代碼是完全合理的，但它只是「正常工作」或不依賴於你用什麼來索引數組......我的意思是這是有原因的，但這種陷阱比NumPy更常見。 – jdehesa

我同意你的看法，這些都是棘手的情況。 – diningphil

蟒蛇for循環和3D numpy矩陣添加之間的等效

回答

相關問題