Python 使用+；=关于NumPy数组

我使用标准方法在Python中使用NumPy创建对称矩阵/数组：

x = rand(500,500)
x = (x+x.T)
all(x==x.T)
> True

现在让我们聪明一点：

x = rand(500,500)
x += x.T
all(x==x.T)
> False

等等，什么

x==x.T
> array([[ True,  True,  True, ..., False, False, False],
       [ True,  True,  True, ..., False, False, False],
       [ True,  True,  True, ..., False, False, False],
       ..., 
       [False, False, False, ...,  True,  True,  True],
       [False, False, False, ...,  True,  True,  True],
       [False, False, False, ...,  True,  True,  True]], dtype=bool)

左上部分和右下部分是对称的。如果我选择一个更小的数组呢

x = rand(50,50)
x += x.T
all(x==x.T)
> True

好的

x = rand(90,90)
x += x.T
all(x==x.T)
> True

x = rand(91,91)
x += x.T
all(x==x.T)
> False

我只是想确定一下

x = rand(91,91)
x = (x+x.T)
all(x==x.T)
> True

这是一个bug，还是我即将了解有关

+=

和NumPy数组的疯狂知识？

返回数组的视图，这意味着没有分配新数组。这反过来意味着您同时读取和修改数组。很难说为什么某些大小或结果的某些区域会起作用，但很可能与numpy如何处理数组添加（可能它会复制子矩阵）和/或数组视图（可能对于较小的大小，它会创建一个新数组）有关

---

x=x+x.T

操作之所以有效，是因为您正在创建一个新数组，然后将其分配给

x

。

问题在于添加操作不是“立即”完成的

x.T

是

x

的视图，因此当您开始向

x

的每个元素添加时，

x.T

会发生变化。这会弄乱以后的添加

它适用于

（91，91）

以下的大小，这几乎肯定是一个实现细节。使用

x = numpy.random.rand(1000, 1000)
x += x.T.copy()
numpy.all(x==x.T)
#>>> True

---

修复了这一问题，但实际上没有任何空间优势。

其他人提到的实现细节称为缓冲。您可以在中阅读更多关于它的信息

如果您更详细地查看失败的示例：

>>> a = np.random.rand(91, 91)
>>> a += a.T
>>> a[:5, -1]
array([ 0.83818399,  1.06489316,  1.23675312,  0.00379798,  1.08967428])
>>> a[-1, :5]
array([ 0.83818399,  1.06489316,  1.75091827,  0.00416305,  1.76315071])

因此，第一个错误的值是

90*91+2=8192

，毫不奇怪，这是我们从中得到的：

>>> np.getbufsize()
8192

我们也可以把它调高，然后：

>>> np.setbufsize(16384)  # Must be a multiple of 16
8192  # returns the previous buffer size
>>> a = np.random.rand(91, 91)
>>> a += a.T
>>> np.all(a == a.T)
True

尽管现在：

>>> a = np.random.rand(129, 129)
>>> a += a.T
>>> np.all(a == a.T)
False

---

这当然是一件危险的事情，因为它确实是一个需要更改的实现细节。

@AndrewJaffe这是Python 3.4.1上的Numpy 1.9，在Anaconda中发布。@jeffalstott yep，我误读了这个问题——我也看到了它的行为。请参阅相关：