Python 中 a -= b 和 a = a - b 的区别

Question

我最近应用了解决方案来平均每 N 行矩阵。尽管该解决方案总体上有效，但我在应用于 7x1 阵列时遇到了问题。我注意到问题出在使用 -= 运算符时。举个小例子：

import numpy as np

a = np.array([1,2,3])
b = np.copy(a)

a[1:] -= a[:-1]
b[1:] = b[1:] - b[:-1]

print a
print b

输出：

[1 1 2]
[1 1 1]

因此，对于数组 a -= b 会产生与 a = a - b 不同的结果。直到现在我都认为这两种方式是完全一样的。有什么区别？

为什么我提到的对矩阵中的每 N 行求和的方法有效，例如对于 7x4 矩阵而不是 7x1 阵列？

Answer 1

在内部，区别在于：

a[1:] -= a[:-1]

相当于：

a[1:] = a[1:].__isub__(a[:-1])
a.__setitem__(slice(1, None, None), a.__getitem__(slice(1, None, None)).__isub__(a.__getitem__(slice(1, None, None)))

同时：

b[1:] = b[1:] - b[:-1]

映射到这个：

b[1:] = b[1:].__sub__(b[:-1])
b.__setitem__(slice(1, None, None), b.__getitem__(slice(1, None, None)).__sub__(b.__getitem__(slice(1, None, None)))

在某些情况下，__sub__() 和 __isub__() 的工作方式相似。但是可变对象应该在使用 __isub__() 时改变 return 自身，而它们应该 return 一个带有 __sub__().

的新对象

对 numpy 对象应用切片操作会在它们上创建视图，因此使用它们会直接访问 "original" 对象的内存。

Answer 2

注意：在 NumPy 数组上使用 in-place 操作共享内存在 1.13.0 及更高版本中不再是问题（详见 here）。这两个操作将产生相同的结果。此答案仅适用于早期版本的 NumPy。

在计算中使用数组时改变数组可能会导致意外结果！

在问题的例子中，-= 的减法修改了 a 的第二个元素，然后立即在操作中使用 修改的 第二个元素在 a.

的第三个元素上

下面是 a[1:] -= a[:-1] 一步一步发生的事情：

a 是包含数据 [1, 2, 3].
我们对这个数据有两种看法：a[1:]是[2, 3]，a[:-1]是[1, 2]。
in-place减法-=开始。 a[:-1] 的第一个元素 1 从 a[1:] 的第一个元素中减去。这已将 a 修改为 [1, 1, 3]。现在我们有 a[1:] 是数据 [1, 3] 的视图，而 a[:-1] 是数据 [1, 1] 的视图（数组 a 的第二个元素有已更改）。
a[:-1] 现在是 [1, 1]，NumPy 现在必须减去它的第二个元素 ，即 1（不再是 2！） a[1:] 的第二个元素。这使得 a[1:] 成为值 [1, 2].
a 现在是一个数组，其值为 [1, 1, 2].

b[1:] = b[1:] - b[:-1]没有这个问题，因为b[1:] - b[:-1]先创建了一个new数组，然后把这个数组中的值赋值给b[1:] .它在减法期间不会修改 b 本身，因此视图 b[1:] 和 b[:-1] 不会更改。

一般建议是避免在一个视图与另一个视图重叠时就地修改它们。这包括运算符 -=、*= 等，并在通用函数（如 np.subtract 和 np.multiply）中使用 out 参数写回其中一个数组。

Answer 3

The docs 说：

The idea behind augmented assignment in Python is that it isn't just an easier way to write the common practice of storing the result of a binary operation in its left-hand operand, but also a way for the left-hand operand in question to know that it should operate `on itself', rather than creating a modified copy of itself.

作为经验法则，增减法（x-=y）是x.__isub__(y)，对于IN-place操作IF 可能，当正常减法 (x = x-y) 为 x=x.__sub__(y) 时。在像整数这样的非可变对象上，它是等价的。但是对于像数组或列表这样的可变对象，就像你的例子一样，它们可能是非常不同的东西。

Python 中 a -= b 和 a = a - b 的区别

Difference between a -= b and a = a - b in Python

python

arrays

numpy

variable-assignment

in-place