蟒蛇for循环和3D numpy矩阵添加之间的等效

我找不到一个从for循环到矢量化numpy操作的非常简单的转换中的错误。代码如下蟒蛇for循环和3D numpy矩阵添加之间的等效

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矩阵之间的简单相加，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，它出现的结果是不同的！你能明白为什么吗？

谢谢！

更新： 看来

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

解决了这个问题。这与添加操作有何不同？（除了分配一个新的矩阵，我感兴趣的语义方面）

来源

2017-09-04 diningphil

输入数组的形状是什么？ –

你可以假设：singletree是一个L×M×C×（C + 1）矩阵，后验是N×L×C×（C + 1）。看看我的更新（我会在一分钟后发布），因为它不依赖于尺寸，我相信 – diningphil

的问题是，经过out=singletree[null_positions, parent.x, :, :]正在的singletree的部分的副本，因为你正在使用advanced indexing（相对于basic indexing，它返回视图）。因此，结果将被写入完全不同的数组，并且原始数组将保持不变。

但是，you can use advanced indexing to assign values。在你的情况下，最值得推荐的语法是：

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

这将尽量减少中间数组的使用。

来源

2017-09-04 16:45:46 jdehesa

谢谢！这真是一个愚蠢的错误:) – diningphil

@diningphil对我来说，看起来并不傻，你的代码是完全合理的，但它只是“正常工作”或不依赖于你用什么来索引数组......我的意思是这是有原因的，但这种陷阱比NumPy更常见。 – jdehesa

我同意你的看法，这些都是棘手的情况。 – diningphil

蟒蛇for循环和3D numpy矩阵添加之间的等效

回答

相关问题