Python 将numpy函数的输出放入数组的对角线中
我想取一个数组的行和,并将输出放在另一个数组的对角线上。出于性能原因,我想使用Python 将numpy函数的输出放入数组的对角线中,python,arrays,numpy,Python,Arrays,Numpy,我想取一个数组的行和,并将输出放在另一个数组的对角线上。出于性能原因,我想使用np.sum函数的out参数 mat1 = np.array([[0.5, 0.5],[0.6, 0.4]]) mat2 = np.zeros([2,2]) mat3 = np.zeros([2,2]) 如果我想将mat1的行和放入mat2的第一行,我可以这样做: np.sum(mat1, axis=1, out = mat2[0]) mat2 #array([[ 1., 1.], # [ 0.,
np.sum
函数的out
参数
mat1 = np.array([[0.5, 0.5],[0.6, 0.4]])
mat2 = np.zeros([2,2])
mat3 = np.zeros([2,2])
如果我想将mat1
的行和放入mat2
的第一行,我可以这样做:
np.sum(mat1, axis=1, out = mat2[0])
mat2
#array([[ 1., 1.],
# [ 0., 0.]])
但是,如果我想将总和放入mat3
的对角线索引中,我似乎不能这样做
np.sum(mat1, axis=1, out = mat3[np.diag_indices(2)])
mat3
#array([[ 0., 0.],
# [ 0., 0.]])
当然,下面的方法是有效的,但是我想使用np.sum的out
参数
mat3[np.diag_indices(2)] = np.sum(mat1, axis=1)
mat3
#array([[ 1., 0.],
# [ 0., 1.]])
有人能解释一下out
参数不接受数组的对角线索引作为有效输出的这种行为吗?NumPy有两种类型的索引:基本索引和高级索引
基本索引是指当索引表达式仅使用整数、切片、..
和无
(也称为np.newaxis
)时发生的情况。这完全可以通过对偏移量和跨距的简单操作来实现,因此,当基本索引返回数组时,生成的数组始终是原始数据的视图。写入视图会写入原始数组
当您使用数组进行索引时,如mat3[np.diag\u index(2)]
中所示,您将获得高级索引。高级索引不能以返回原始数据视图的方式进行;它总是从原始数组中复制数据。这意味着当您尝试将副本用作out
参数时:
np.sum(mat1, axis=1, out = mat3[np.diag_indices(2)])
数据被放置到副本中,但原始数组不受影响
到目前为止,我们本应该能够使用np.diagonal
,但尽管文档中说np.diagonal
的输出在NumPy 1.10中是可写的,但使其可写的相关功能是。最好不要为此使用out
参数:
mat3[np.diag_indices(2)] = np.sum(mat1, axis=1)
谢谢你的详细解释。不能使用out
参数真是太遗憾了。这真的可以帮我省去很多头痛!