无需复制的 NumPy 矩阵运算答案

【问题标题】：NumPy Matrix operation without copying无需复制的 NumPy 矩阵运算
【发布时间】：2023-03-29 15:34:01
【问题描述】：

如何在不复制矩阵对象的情况下进行例如矩阵转置？同样，与其他矩阵运算一样（从矩阵中减去一个矩阵，...）。这样做有好处吗？

【问题讨论】：

【解决方案1】：

对数组进行转置不会产生副本：

>>> a = np.arange(9).reshape(3,3)
>>> b = np.transpose(a)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> b
array([[0, 3, 6],
       [1, 4, 7],
       [2, 5, 8]])
>>> b[0,1] = 100
>>> b
array([[  0, 100,   6],
       [  1,   4,   7],
       [  2,   5,   8]])
>>> a
array([[  0,   1,   2],
       [100,   4,   5],
       [  6,   7,   8]])

同样适用于 numpy.matrix 对象。

当您希望通过复制非常大的数组来避免不必要地消耗大量内存时，这可能很有用。但是你也必须小心，避免在修改转置时无意中修改原始数组（如果你仍然需要它）。

许多 numpy 函数接受可选的“out”关键字（例如，numpy.dot）将输出写入现有数组。例如，将a与自身的矩阵乘积写入现有数组c的输出：

numpy.dot(a, a, out=c)

【讨论】：

很好的答案，只是一个小笔记。 aa = numpy.dot(a, a, out=a) 不起作用（在带有 numpy 1.6 的 Linux 上）。当x 是np.dot 的参数之一时，我一直无法使用np.dot(..., out=x)。但是，您的回答对于我能想到的任何其他 numpy 函数都是正确的，我不确定为什么 np.dot 很特别。也许其他人可以解决这一点。
有趣。可能是版本问题。我在 Red Hat Linux 6.3 上运行了如上所示的命令，它对我有用（我不记得手头的 numpy 版本，但我会检查）。它也适用于带有 numpy 1.7 的 OS X 10.6。
好奇，你介意试试a = np.ones((4, 4)); np.dot(a, a, out=a); print a 告诉我你得到了什么吗？
刚刚在 OS X 上查看了结果 - 令人惊讶的是 - 输出全为零。感谢您指出了这一点。我修改了我的答案，将结果写入不同的数组。明天我将在 RHEL 6.3 上尝试这个，并让你知道我在那里得到了什么。
使用 numpy 1.6.2 的 RHEL 上的输出也全为零。如果我不得不猜测，我猜输出数组在累积行/列产品之前是零填充的，但是由于输出是输入之一，因此结果始终为零。我确实验证了np.add(a, a, out=a) 确实产生了预期的输出。

【解决方案2】：

b = a.T 中的转置操作会创建一个浅拷贝。 a 和 b 将共享相同的数据。

算术运算参见：- vs -= operators with numpy

浅拷贝有利于有效地使用内存。但是您必须记住，更改值会影响所有副本。

【讨论】：