pythonflat怎么设置_python – numpy 2d和1d add flat

如果numpy.add有2个参数,则将它们作为添加的两个操作数.如果给出3个参数,前两个是添加的,第三个是结果.实际上不是结果,而是应该保存结果的数组.

所以你用b添加了b并希望将它存储在[1：3,0：3] .flat中.

让我们试试np.add(b,b)给出

import numpy as np

a = np.zeros((4, 5))

b = np.ones(6)

np.add(b, b)

# returns array([ 2., 2., 2., 2., 2., 2.])

所以现在我尝试了[1：3,0：3] .flat,它返回< numpy.flatiter,位于0x22204e80c10>.这意味着它返回一个迭代器,因此它不是数组.但是我们不需要一个我们想要一个数组的迭代器.有一种叫做ravel()的方法.所以尝试[1：3,0：3] .ravel()会返回：

array([ 0., 0., 0., 0., 0., 0.])

所以我们有一个数组.特别是阵列也可用于存储结果(相同的形状！).所以我尝试过：

np.add(b, b, a[1:3, 0:3].ravel())

# array([ 2., 2., 2., 2., 2., 2.])

但是让我们看看是否有变化：

a

#array([[ 0., 0., 0., 0., 0.],

# [ 0., 0., 0., 0., 0.],

# [ 0., 0., 0., 0., 0.],

# [ 0., 0., 0., 0., 0.]])

所以一个没有改变.这是因为ravel()只返回一个视图(赋值将传播到unraveled数组),否则它会返回一个副本.将结果保存在副本中是没有意义的,因为out参数的重点是操作是就地完成的.我只是猜测为什么要制作副本,但我认为这是因为我们从一个较大的数组中取出一部分,其中该部分在内存中不连续.

所以我建议你不要在这种情况下使用out参数,而是使用np.add的返回并将其存储在指定区域中：

a[1:3, 0:3] = np.add(b, b).reshape(2,3) # You need to reshape here!

a

#array([[ 0., 0., 0., 0., 0.],

# [ 2., 2., 2., 0., 0.],

# [ 2., 2., 2., 0., 0.],

# [ 0., 0., 0., 0., 0.]])

此外,[1：3,0：3] .flat = np.add(b,b)也有效.

我认为这本书要么已经过时了,而且它与较旧的numpy版本一起工作,或者它根本就没用过,这本书就是一个错误.