- vs - =運算符與numpy

Question

我在我的Python代碼中有一些奇怪的行爲，與-和-=相關。我正在寫使用numpy的QR分解，並有下面的代碼行的雙循環：

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

其中q和r都是numpy.array，並v是作爲v = x[:,j]的另一numpy.array片。

上述代碼在所有情況下都無法按預期工作。但是，如果我做了以下更改：

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

然後，一切都完美無瑕。

我的印象是這兩條線應該是相同的。爲了測試是否-=和_ = _ -進行不同的工作，我創建了下面的代碼片段

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 

，再次按預期工作，生產[2 3] [2 3]在兩個打印報表。

所以我完全困惑爲什麼這兩行表現不同。我能想到的唯一可能的情況是我有時處理的數字非常小（大約爲10^-8或更小），並且存在一些精度問題，-=更好？隨着x元素變小，第一行表現越來越差。

我很抱歉，如果有關於這個類似問題的任何其他帖子，我不能搜索-和-=，我不知道這些除了賦值/操作符之外是否有任何正確的術語。

感謝您的幫助！

Answer 1

當v是切片時，則v -= X和v = v - X會產生非常不同的結果。考慮

>>> 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，因此陣列，它的意見，就地，與

>>> 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重置變量v同時留下x不變。爲了獲得前者的結果，而不-=，你必須做

v[:] = v - 1 

Answer 2

如果x和y的數據類型不同，您可以從x - y和x -= y得到不同的結果。

例如：

import numpy as np 

x = np.array(range(0,6)) 
y = np.array(np.arange(0,3,0.5)) 

print x - y 
x -= y 
print x 

此打印出：

[ 0. 0.5 1. 1.5 2. 2.5] 
[0 0 1 1 2 2] 

這可能是值得確保你的陣列dtypes是完全按照你希望（如你不小心使用了整數或float32數組而不是float64），特別注意在-=左側使用的數組。

Answer 3

+1到兩個其他回答這個問題。他們涵蓋了=和-=之間的兩個重要差異，但我想強調一個。大部分時間x -= y與x[:] = x - y相同，但當x和y是相同陣列的切片時不會。例如：

x = np.ones(10) 
y = np.ones(10) 

x[1:] += x[:-1] 
print x 
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.] 

y[1:] = y[1:] + y[:-1] 
print y 
[ 1. 2. 2. 2. 2. 2. 2. 2. 2. 2.]