Python 类属性为&#iadd（+；=）和numpy.random.randn（）的奇怪行为

我一直在用Python和Numpy对一个随机过程建模，并用以下代码目睹了奇怪的行为：

import numpy as np

class Example( object ):
    def __init__( self ):
        self.x = 0

    def add_random( self ):
        self.x += np.random.randn(1)
        return self.x

if __name__ == '__main__':
    example = Example()
    state = []
    for x in range(10):
        state.append( example.add_random() )
    print state

---

这将返回一个由10个相同的随机数组成的数组，而不是预期的10个不同的随机数。消除

对象。\uuuu iadd\uuuuu

运算符和/或用常量替换

np.random.randn（.）

，将解决此问题。有人知道它的根是什么吗？

您通过引用返回数组

self.x

，因此您有10个指向同一数组的指针。每次修改数组时，所有十个指针都指向相同的修改版本

如果每次都要返回数组的单独副本，可以在

add\u random

函数中

return self.x.copy（）

---

另一种修复方法是将

np.random.rand（1）

替换为

np.random.rand（）

so

self.x

将保持标量而不是向上转换为数组。

您通过引用返回数组

self.x

，因此您有10个指向同一数组的指针。每次修改数组时，所有十个指针都指向相同的修改版本

如果每次都要返回数组的单独副本，可以在

add\u random

函数中

return self.x.copy（）

另一种修复方法是将

np.random.rand（1）

替换为

np.random.rand（）

，这样

self.x

将保持标量而不是向上转换为数组。

np.random.randn（1）

返回包含单个元素的数组：

In [27]: np.random.randn(1)
Out[27]: array([-1.90409169])

第一次执行此行时

self.x += np.random.randn(1)

self.x

——最初是Python整数——被numpy数组替换。该行的后续执行会就地修改

x

，因为numpy数组就是这样实现就地加法的。因此

return self.x

总是返回相同的数组。因此，您在主部分中创建的列表是一个包含重复10次的相同对象的列表

解决此问题的一种方法是使用

np.random.randn（）

而不是

np.random.randn（1）

np.random.randn（）

返回一个标量，因此赋值

self.x+=np.random.randn（1）

每次执行时都会创建一个新的

self.x

对象。

np.random.randn（1）

返回一个包含单个元素的数组：

In [27]: np.random.randn(1)
Out[27]: array([-1.90409169])

第一次执行此行时

self.x += np.random.randn(1)

self.x

——最初是Python整数——被numpy数组替换。该行的后续执行会就地修改

x

，因为numpy数组就是这样实现就地加法的。因此

return self.x

总是返回相同的数组。因此，您在主部分中创建的列表是一个包含重复10次的相同对象的列表

---

解决此问题的一种方法是使用

np.random.randn（）

而不是

np.random.randn（1）

np.random.randn（）

返回一个标量，因此赋值

self.x+=np.random.randn（1）

每次执行时都会创建一个新的

self.x

对象。

WarrenWeckesser解释了问题的根源，但从根本上说，使用

numpy

来实现这一点效率非常低。每次都要创建数组对象，这会带来很大的开销。相反，请使用

random.gauss

注意，如果您想使用

numpy

有效地执行此操作，那么只需使用

np.random.randn（10）.cumsum（）

WarrenWeckesser解释了问题的根源，但从根本上说，使用

numpy

执行此操作效率极低。每次都要创建数组对象，这会带来很大的开销。相反，请使用

random.gauss

注意，如果您想使用

numpy

有效地执行此操作，那么只需使用

np.random.randn（10.cumsum（）

谢谢–我将“整数”改为“标量”以使其更清晰。谢谢–我将“整数”改为“标量”以使其更清晰。