Python 无复制的NumPy矩阵运算

例如，我如何在不复制矩阵对象的情况下进行矩阵转置？以及其他矩阵运算（从矩阵中减去矩阵，…）。这样做有益吗？

对数组进行转置不会产生副本：

>>> a = np.arange(9).reshape(3,3)
>>> b = np.transpose(a)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> b
array([[0, 3, 6],
       [1, 4, 7],
       [2, 5, 8]])
>>> b[0,1] = 100
>>> b
array([[  0, 100,   6],
       [  1,   4,   7],
       [  2,   5,   8]])
>>> a
array([[  0,   1,   2],
       [100,   4,   5],
       [  6,   7,   8]])

这同样适用于numpy.matrix对象

当您希望通过复制非常大的阵列来避免不必要地消耗大量内存时，这是非常有益的。但在修改转置时，还必须小心避免无意中修改原始数组（如果仍然需要）

许多numpy函数接受可选的“out”关键字（例如numpy.dot）将输出写入现有数组。例如，将

a

的矩阵积与其自身一起，并将输出写入现有数组

c

：

numpy.dot(a, a, out=c)

---

如

b=a.T

中的转置操作创建浅拷贝<代码>a和

b

将共享相同的数据

有关算术运算，请参见：

---

浅拷贝有利于高效地使用内存。但是，您必须记住，更改值会影响所有副本。

回答得好，只是一个小提示

aa=numpy.dot（a，a，out=a）

不起作用（在使用numpy 1.6的linux上）。当

x

是

np.dot

的参数之一时，我在使用

np.dot（…，out=x）

时总是遇到问题。然而，你的答案对于我能想到的任何其他numpy函数都是正确的，我不确定为什么

np.dot

是特殊的。也许其他人可以解决这个问题。很有趣。也许这是一个版本问题。我在Red Hat Linux 6.3上运行了如上所示的命令，它对我很有效（我现在还不记得numpy版本，但我会检查一下）。我在OS X 10.6和numpy 1.7上也可以使用它。好奇，你介意试试

a=np.ones（（4，4））；np.dot（a，a，out=a）；打印一个

并告诉我你得到了什么？只是在OSX上查看了一个结果，结果竟然是全零。谢谢你指出这一点。我修改了我的答案，将结果写入另一个数组。明天我将在RHEL 6.3上尝试这个，并让您知道我在那里得到了什么。如果必须猜测的话，我会猜测输出数组在累加行/列乘积之前是零填充的，但是由于输出是输入之一，因此结果总是相同的零。我确实验证了

np.add（a，a，out=a）

确实产生了预期的输出。