Python numpy数组操作的奇怪行为

解释一下：

>>> a = np.arange(10)
>>> a[2:]
array([2, 3, 4, 5, 6, 7, 8, 9])
>>> a[:-2]
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> a[2:] - a[:-2]
array([2, 2, 2, 2, 2, 2, 2, 2])
>>> a[2:] -= a[:-2]
>>> a
array([0, 1, 2, 2, 2, 3, 4, 4, 4, 5])

当然，预期的结果是

数组（[0,1,2,2,2,2,2,2,2]）

我猜这与numpy并行化有关，但它不够聪明，无法确定它需要先创建数据的临时副本（或者按照正确的顺序执行操作）

换言之，我怀疑它在做这样幼稚的事情：

for i in range(2, len-2):
    a[i] -= a[i-2]

作为参考，它在Matlab和倍频程中工作：

a = 0:9
a(3:end) = a(3:end) - a(1:end-2)

a =

  0  1  2  3  4  5  6  7  8  9

a =

  0  1  2  2  2  2  2  2  2  2

事实上，如果你这样做，效果会很好：

a[2:] = a[2:] - a[:-2]

---

所以这大概意味着

a-=b

与

a=a-b

对于numpy是不同的

---

事实上，现在我开始考虑它，我认为Mathworks将此作为不实现+=、-=、/=和*=运算符的原因之一

当您像在本例中那样对numpy数组进行切片时，您将获得数据的视图，而不是副本

见：

---

意外行为是由于数组造成的，因为（正如@JoshAdel在回答中所述），切片返回的是一个视图，而不是数组的副本。您的“naive”循环示例已经解释了如何计算结果。但我要对你的解释补充两点：

首先，意外的行为不是由于numpy并行化操作造成的。如果操作是并行的，那么您不应该期望[一致地]看到原始循环的结果（因为该结果取决于循环的有序执行）。如果你重复你的实验几次，即使是对于大型阵列，你也会看到同样的结果

第二，虽然你的假设总体上是正确的，但我要这样说：

---

当

a

和

b

没有别名时，

a-=b

与

a=a-b

对于两个numpy数组是相同的。

“因此，这可能意味着

a-=b

与

a=a-b

对于numpy它们在纯python中也不相同！”