Python numpy方法的应用

我对numpy方法如何应用于nd数组感到困惑。例如：

import numpy as np    
a = np.array([[1,2,2],[5,2,3]])
b = a.transpose()
a.sort()

---

这里，transpose（）方法没有将任何内容更改为，而是返回a的转置版本，而sort（）方法对a进行排序并返回非类型。有人知道为什么会这样，以及这种不同功能的目的是什么吗？

因为

numpy

作者决定有些方法会到位，有些则不会。为什么？我不知道除了他们之外是否有人能回答这个问题

“就地”操作可能会更快，尤其是在处理大型阵列时，因为不需要重新分配和复制整个阵列，请参阅此问题的答案

顺便说一句，大多数（如果不是全部的话）arr方法都有一个返回新数组的静态版本。例如，

arr.sort

有一个静态版本，它将接受一个数组并返回一个新的排序数组（很像全局

sorted

函数和

list.sort（）

）。

在Python类（OOP）中，就地操作的方法（修改

self

或其属性）是可以接受的，如果有的话，比返回新对象的对象更常见。对于像

dict

或

list

这样的内置类也是如此

例如，在

numpy

中，我们通常建议使用

list append

方法来构建新阵列：

In [296]: alist = []
In [297]: for i in range(3):
     ...:     alist.append(i)
     ...:     
In [298]: alist
Out[298]: [0, 1, 2]

这很常见，我们可以很容易地将其写成一个列表：

In [299]: [i for i in range(3)]
Out[299]: [0, 1, 2]

alist.sort

操作到位，

sorted（alist）

返回一个新列表

在

numpy

中，返回新数组的方法更为常见。事实上，

sort

是我能马上想到的唯一的就地方法。这是对

shape

的直接修改：

arr.shape=（…）

许多基本numpy操作返回一个

视图

。与源共享数据内存，但数组对象包装器是新的。事实上，甚至索引一个元素也会返回一个新对象

因此，尽管您最终需要检查文档，但通常可以安全地假设numpy函数或方法返回一个新对象，而不是就地操作

通常，用户会被与方法同名的numpy函数弄糊涂。在大多数情况下，函数确保参数是数组，然后将操作委托给其方法。还请记住，在Python中，运算符被转换为方法调用-

+

到

\uuu添加

，

[index]

到

\uu getitem\uuu（）

等。

+=

是一种就地操作