NumPy 是否正确处理 1:1 复数运算的别名？
Does NumPy handle 1:1 aliasing of complex-number operations correctly?
假设 a 和 b 是不相交的一维 complex NumPy 数组，而我 numpy.multiply(a, b, b).
b 是否保证包含与我通过 b[:] = numpy.multiply(a, b) 获得的值相同的值？
我实际上并没有能够产生不正确的结果，但我不知道我是否只是对我的特定编译或平台很幸运，或者我是否真的可以依赖它，因此出现了这个问题。
注意 float（即实数）答案显然是肯定的，因为合理的实现不能让它失败，但对于复数它是通过写实部然后 然后 读虚部，叉乘运算很容易给出不正确的结果：
# say the real part is at [0] and the imaginary part is at [1] and c is the product of a & b
c[0] = a[0] * b[0] - a[1] * b[1]
c[1] = a[0] * b[1] + a[1] * b[0] # if c[0] overlaps a[0] or b[0] then this is wrong
是的。应该以原子方式处理复杂的值。如果它不能像那样工作，那么这是一个我们将修复的错误。
假设 a 和 b 是不相交的一维 complex NumPy 数组，而我 numpy.multiply(a, b, b).
b 是否保证包含与我通过 b[:] = numpy.multiply(a, b) 获得的值相同的值？
我实际上并没有能够产生不正确的结果，但我不知道我是否只是对我的特定编译或平台很幸运，或者我是否真的可以依赖它，因此出现了这个问题。
注意 float（即实数）答案显然是肯定的，因为合理的实现不能让它失败，但对于复数它是通过写实部然后 然后 读虚部，叉乘运算很容易给出不正确的结果：
# say the real part is at [0] and the imaginary part is at [1] and c is the product of a & b
c[0] = a[0] * b[0] - a[1] * b[1]
c[1] = a[0] * b[1] + a[1] * b[0] # if c[0] overlaps a[0] or b[0] then this is wrong
是的。应该以原子方式处理复杂的值。如果它不能像那样工作，那么这是一个我们将修复的错误。