numpy 2d 和 1d 加法平面

Question

在开始使用 NumPy 时使用 NumPy Book 中的示例时，我注意到了一个示例：

a = zeros((4, 5))
b = ones(6)
add(b, b, a[1:3, 0:3].flat)
print(a)

返回

array([[0, 0, 0, 0, 0]
       [2, 2, 2, 0, 0]
       [2, 2, 2, 0, 0]
       [0, 0, 0, 0, 0]])

但是，当我尝试此代码时，会导致以下错误：

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

TypeError: 返回数组必须是 ArrayType"

谁能解释一下这个问题？

Answer 1

如果 numpy.add 有 2 个参数，它们将被视为 added 的两个操作数。如果您提供 3 个参数，则前两个是添加的参数，第三个是 result。实际上不是结果，而是应该保存结果的数组。

所以您添加了b 和b，并希望将其存储在a[1:3, 0:3].flat 中。

让我们尝试np.add(b, b)，它给出了

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a[1:3, 0:3].flat，它返回<numpy.flatiter at 0x22204e80c10>。这意味着它返回一个iterator，所以它不是数组。但是我们不需要迭代器，我们需要一个数组。有一种方法叫做ravel()。所以尝试a[1:3, 0:3].ravel() 返回：

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

所以我们有一个数组。特别是数组也可用于存储结果（相同的形状！）。所以我尝试了：

np.add(b, b, a[1:3, 0:3].ravel())
# array([ 2.,  2.,  2.,  2.,  2.,  2.])

但是让我们看看a是否发生了变化：

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

所以a 没有改变。那是因为ravel() 仅在可能的情况下返回一个视图（赋值将传播到解开的数组），否则它返回一个副本。并且将结果保存在副本中是毫无意义的，因为out 参数的全部意义在于操作是就地完成的。我只是猜测为什么要复制，但我认为这是因为我们从更大的数组中取出了一部分，而该部分在内存中并不连续。

所以我建议你在这种情况下不要使用out参数，而是使用np.add的返回并将其存储在a的指定区域内：

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.]])

a[1:3, 0:3].flat = np.add(b, b) 也有效。

我认为这本书要么已经过时，并且可以与较旧的numpy 版本一起使用，要么根本无法使用，这是书中的一个错误。