Python 理解numpy中的内存分配：Is"；“临时”；将操作结果存储到变量[：，：]时分配的内存？

让我们假设两个大的多维numpy数组

a

和

b

。我想执行元素操作，例如，逐元素添加它们：

c = a + b

在上述情况下，将为

a+b

的结果分配新内存。然后，对该内存的引用存储在

c

中

现在，让我们假设

c

的内存已经分配。为了有一个简单的示例，将维度数设置为2，我可以执行以下操作：

c[:, :] = a + b

我找不到任何关于如何准确实施上述内容的文件。我可以想象两种方式：

首先，分配内存以执行操作

a+b

。在将数据（即操作结果）复制到

c[：，：]

之前，将结果存储到该“临时”内存中

没有分配临时内存。

a+b

的结果直接进入

c[：，：]

---

我使用了一些代码，在性能方面，我觉得第一个选项更有可能。我说得对吗？如果是这样，我如何避免分配“临时内存”，并将结果直接存储到

c

中已有的内存中？我想我必须更加明确，使用像

numpy.add

这样的函数，并向它们提供对目标内存的引用。

您正在寻找的操作是

numpy.add(a, b, out=c)

使用

c[：，：]=a+b

，对

a+b

的评估没有关于结果将被分配给

c[：，：]

的信息。它必须分配一个新数组来保存

a+b

的结果

---

（最新版本的NumPy确实尝试执行一些主动优化临时性的操作，超出了Python执行模型通常允许的范围，但这些优化无法处理这种情况。您可以在中看到代码，包括一些关于它在什么平台上工作以及为什么Python堆栈检查不够的注释。）

您正在寻找的操作是

numpy.add(a, b, out=c)

使用

c[：，：]=a+b

，对

a+b

的评估没有关于结果将被分配给

c[：，：]

的信息。它必须分配一个新数组来保存

a+b

的结果

---

（最新版本的NumPy确实尝试执行一些主动优化临时性的操作，超出了Python执行模型通常允许的范围，但这些优化无法处理这种情况。您可以在中看到代码，包括一些关于它在什么平台上工作以及为什么Python堆栈检查不够的注释。）

这是第一个，因为Python是如何从左到右计算的。。。虽然numpy可以做一些奇特的事情，但它不能覆盖Python计算语句的机制…@JonClements是的，我猜是这样的。。。我不知道如何以另一种方式实现

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

。。。虽然numpy可以做一些奇特的事情，但它不能覆盖Python计算语句的机制…@JonClements是的，我猜是这样的。。。我不知道如何以另一种方式实现

\uuuu添加\uuuu

。是的。。。RHS上的对象不知道它被绑定到什么（如果它被绑定的话），所以唯一的方法就像你在这里使用

numpy.add（a，b，out=c）

所说的那样，在这里它明确地给出了一些空间，它可以在其中工作，而不必假设它必须为结果构建自己的数组。（我倾向于认为这就像使用C的

memcpy

之类的东西，而不是一个

malloc

操作）感谢您的快速回复，这很有意义。我只是想知道（或不是）是否有一些我不知道的黑色Python魔法：）表达式，如

np.add（A[：，1:，A[：，：-1]，out=A[：，1:）

建议，即使使用

out

，

numpy

创建一个临时缓冲区。@hpaulj:numpy仅在认为有必要复制以处理重叠的输入和输出时，才为此类操作制作副本。对于像

add（a，b，out=c）

这样没有重叠的东西，它不会复制。（安全副本是NumPy 1.13.0）是的。。。RHS上的对象不知道它被绑定到什么（如果它被绑定的话），所以唯一的方法就像你在这里使用

numpy.add（a，b，out=c）

所说的那样，在这里它明确地给出了一些空间，它可以在其中工作，而不必假设它必须为结果构建自己的数组。（我倾向于认为这就像使用C的

memcpy

之类的东西，而不是一个

malloc

操作）感谢您的快速回复，这很有意义。我只是想知道（或不是）是否有一些我不知道的黑色Python魔法：）表达式，如

np.add（A[：，1:，A[：，：-1]，out=A[：，1:）

建议，即使使用

out

，

numpy

创建一个临时缓冲区。@hpaulj:numpy仅在认为有必要复制以处理重叠的输入和输出时，才为此类操作制作副本。对于像

add（a，b，out=c）

这样没有重叠的东西，它不会复制。（安全副本为NumPy 1.13.0版本。）