解释一下:
>>> a = np.arange(10)
>>> a[2:]
array([2, 3, 4, 5, 6, 7, 8, 9])
>>> a[:-2]
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> a[2:] - a[:-2]
array([2, 2, 2, 2, 2, 2, 2, 2])
>>> a[2:] -= a[:-2]
>>> a
array([0, 1, 2, 2, 2, 3, 4, 4, 4, 5])
预期的结果当然是数组([0,1,2,2,2,2,2,2,2]).
我猜这是与numpy并行化的东西有关,并且不够聪明,以至于它需要首先制作数据的临时副本(或以正确的顺序执行操作).
换句话说,我怀疑它正在做这样的天真:
for i in range(2, len-2):
a[i] -= a[i-2]
供参考,它适用于Matlab和Octave:
a = 0:9
a(3:end) = a(3:end) - a(1:end-2)
a =
0 1 2 3 4 5 6 7 8 9
a =
0 1 2 2 2 2 2 2 2 2
实际上,如果你这样做,它的工作正常:
a[2:] = a[2:] - a[:-2]
所以这可能意味着这意味着a = = b与a = a-b不同于numpy!
实际上现在我开始考虑它,我认为Mathworks将此作为未实现=, – =,/ =和* =运算符的原因之一!