Numpy中的行交换[重复]答案

【问题标题】：Row exchange in Numpy [duplicate]Numpy中的行交换[重复]
【发布时间】：2014-02-12 19:30:32
【问题描述】：

在 Python 中，我可以通过多重处理来交换 2 个变量；它也适用于列表：

l1,l2=[1,2,3],[4,5,6]
l1,l2=l2,l1
print(l1,l2)
>>> [4, 5, 6] [1, 2, 3]

但是当我想交换 2 行 numpy 数组时（例如在高斯算法中），它失败了：

import numpy as np
a3=np.array([[1,2,3],[4,5,6]])
print(a3)
a3[0,:],a3[1,:]=a3[1,:],a3[0,:]
print(a3)
>>> [[1 2 3]
     [4 5 6]]
    [[4 5 6]
     [4 5 6]]

我认为，出于一个奇怪的原因，两列现在指向相同的值；但事实并非如此，因为a3[0,0]=5 在前面几行之后更改了 a3[0,0] 而不是 a3[1,0]。

我已经找到了解决这个问题的方法：例如a3[0,:],a3[1,:]=a3[1,:].copy(),a3[0,:].copy() 有效。但是任何人都可以解释为什么用 numpy 行进行多次做作的交换会失败吗？我的问题涉及 Python 和 Numpy 的基础工作。

【问题讨论】：

解释请看the answer to this question。
好的，谢谢，这个问题没有在可能重复的列表中自动提出。
没问题 - 我知道它的唯一原因是因为我回答了它。

标签： python numpy

【解决方案1】：

这将按照您的预期方式工作：

a3[[0,1]] = a3[[1,0]]

元组赋值中的两个独立赋值不相互缓冲；一个接一个地发生，导致覆盖你的观察

【讨论】：

+1 很好，当您尝试执行 a[[0, 1, 1]] += 1 并且位置 1 处的项目仅增加一次时，这是一件令人讨厌的事情，您可以利用它来交换行。
是的；我花了一段时间才明白这背后的逻辑。对新的 np.add.at 非常满意；事实上，我现在正在用它写一段代码，那曾经是一个非常慢的 python 循环。
对于总和，np.bincount 通常比 np.add.at 快得多，我刚刚尝试过 50 倍：a = np.zeros((1000,), dtype=np.intp); b = np.random.randint(1000, size=100000); c = np.random.randint(1000000, size=100000); In [10]: %timeit np.add.at(a, b, c); 100 loops, best of 3: 19.3 ms per loop; In [11]: %timeit a + np.bincount(b, weights=c, minlength=1000); 1000 loops, best of 3: 451 µs per loop。
当然，可读性很差，很难想象这种操作会成为瓶颈的情况。但是，如果您想要原始性能，那么这似乎是可行的方法。
这让我非常惊讶。你会认为 np.add.at 的实现将是可以想象的最基本的循环。也就是说，它也推广到散射到 nd 数组，所以也许这会增加一些开销？但我完全无法想象 40 因子是从哪里来的。