numba：如何删除现有数组并将新数组分配给旧数组的名称？

Question

考虑以下最小的无效示例：

import numba as nb
import numpy as np

@nb.jit(nopython=True)
def resize_np_array(np_array, new_size, fill_value):
    if new_size <= np_array.shape[0]:
        return np_array
    else:
        new_shape = np_array.shape
        new_shape[0] = new_size

        new_np_array = fill_value*np.ones(new_shape, dtype=np_array.dtype)

        for i in range(np_array.shape[0]):
            new_np_array[i] = np_array[i]

        return new_np_array

@nb.jit(nopython=True)   
def test_function():
    x = np.zeros(10, dtype=np.int64)
    x = resize_np_array(x, 20, 0)

    return x

x = test_function()

以上代码将失败并出现错误：

  File "A:\anaconda\lib\site-packages\numba\typeinfer.py", line 595, in __call__
    (targetty, self.index, valty), loc=self.loc)

TypingError: Cannot resolve setitem: (int64 x 1)[0] = int64

由于行：x = resize_np_array(x, 20, 0) in test_function.

我应该如何删除存储在 x 中的任何内容，以便我可以为其重新分配一个新数组？

Answer 1

您的错误来自于尝试为现有 numpy 数组的 shape 属性分配一个新值；这是一个固定的事情，你不能通过重新定义它的 shape 属性（在 numpy 或 numba 中）来重塑数组。（事实上，shape 是一个元组，在任何上下文中都是不可变的。）您也不必担心删除现有数组； python+numpy 应该处理是否所有对原始数组的引用都消失了（之后它的内存将被清理）。因此，只需创建一个所需新形状的新数组并将值分配给新数组即可。（另外：使用 np.full 来保存一个步骤，或者可能更快，使用 np.empty 并只填充你知道你需要 "defaults" 的值。）以下工作（对于一维数组） .

import numba as nb

@nb.jit(nopython=True)
def resize_np_array(np_array, new_size, fill_value):
    if new_size <= np_array.shape[0]:
        return np_array
    else:
        new_shape = new_size

        new_np_array = np.empty(shape=new_shape, dtype=np_array.dtype)

        for i in range(np_array.shape[0]):
            new_np_array[i] = np_array[i]

        for i in range(np_array.shape[0], new_shape):
            new_np_array[i] = fill_value

        return new_np_array

@nb.jit(nopython=True)   
def test_function():
    x = np.zeros(10, dtype=np.int64)
    x = resize_np_array(x, 20, 1)

    return x

x = test_function()

numba：如何删除现有数组并将新数组分配给旧数组的名称？

numba: How to delete an existing array and assign a new array to the old array's name?

python

numpy

numba