划分数组时 numpy 中的意外行为

Question

因此，在 numpy 1.8.2（python 2.7.6）中，数组划分似乎存在问题。当对足够大的数组（至少 8192 个元素，多于一维，数据类型无关）与自身的一部分进行就地除法时，不同符号的行为不一致。

import numpy as np
arr = np.random.rand(2, 5000)
arr_copy = arr.copy()
arr_copy = arr_copy / arr_copy[0]
arr /= arr[0]
print np.sum(arr != arr_copy), arr.size - np.sum(np.isclose(arr, arr_copy))

输出应该是0，因为两个除法应该是一致的，但是是1808。这是一个错误吗？它也发生在其他 numpy 版本中吗？

Answer 1

这不是真正的错误，正如您在问题中建议的那样与缓冲区大小有关。将缓冲区大小设置得更大可以解决这个问题（目前...）：

>>> np.setbufsize(8192*4) # sets new buffer size, returns current size
8192 
>>> # same set up as in the question
>>> np.sum(arr != arr_copy), arr.size - np.sum(np.isclose(arr, arr_copy))
(0, 0)

正如您在评论中所述，就地划分 arr /= arr[0] 是最初出错的地方。只有 arr 的前 8192 个元素被 arr[0] 缓冲，只是 arr 第一行的视图。

这意味着第一行中的所有5000个值将被自己正确划分，第二行也将正确到索引3192。接下来将剩余的1808个值放入缓冲区进行原地划分但是第一行已经改变了：arr[0] 现在只是一行的视图，所以后面几列中的值将只除以一个。