在这种情况下，python中的内存分配是如何工作的？

假设我有一个非常大的

numpy

数组

a

，我想把数值1加到数组的每个元素上。根据我目前所读到的：

a += 1 

是一种很好的方法，而不是：

a = a + 1

因为在第二种情况下，在不同的内存插槽中创建一个新的数组

a

，而在第一种情况下，在相同的内存插槽中有效地替换了旧的数组

假设我要执行以下操作：

a = 1-a

---

执行上述操作的内存有效方式是什么？

您可以像这样就地执行：

a *= -1
a += 1

---

直接使用

subtract

ufunc比

-

操作符提供更多的控制。在这里，我们使用

out

参数将减法的结果放回

a

@OlivierMelançon:

a

是一个NumPy数组。我们已经在用NumPy了。导入NumPy的成本是沉没成本，而不是使用此代码的额外成本。

a

是NumPy数组吗？您能添加类似于

a=numpy.array（[1,2,3,4,5,6,7,8]）的内容吗？这样我们就可以很容易地理解您的意思了。
add.at
的文档表明
a+=1
具有一定的缓冲-。详细信息隐藏在
numpy
code中。
numpy.subtract(1, a, out=a)