Python 如何在不隐藏额外内存分配的情况下就地修改numpy数组？

我有一个函数，它必须用f（x）替换numpy数组x的每个元素x

但这不起作用：

>>> X = numpy.random.random( size=(2,3) )
>>> X
array([[ 0.97476386,  0.76411101,  0.37690288],
       [ 0.05462798,  0.44722799,  0.23570353]])
>>>> modify_inplace(X)
>>> X
array([[ 0.97476386,  0.76411101,  0.37690288],
       [ 0.05462798,  0.44722799,  0.23570353]])

我知道，我可以简单地返回新的数组，但我想知道是否可以修改原地的numpy数组，这样就不会分配额外的内存了

---

Ashwini Chaudhary在下面提供了一个解决方案，但这并不是我想要的，因为我需要在没有任何额外malloc的情况下修改数组。

目前，您只需创建一个新的局部变量

X

，并为其分配一个新值，要更新函数中由

X

指向的对象，请使用切片分配[：]：

>>> def modify_inplace(X):
        X[:] = 2. / (8. + numpy.exp(-X))
...     
>>> X = numpy.random.random( size=(2,3))
>>> X
array([[ 0.21210661,  0.03573271,  0.07002263],
       [ 0.77282535,  0.13973994,  0.82784145]])
>>> modify_inplace(X)
>>> X
array([[ 0.22704366,  0.22309233,  0.22390467],
       [ 0.23635894,  0.22548971,  0.23705132]])

---

这种情况下的真正就地方法可以是：

def modify_inplace(X):
    np.exp(X, out=X)
    X += 8.
    np.power(X, -1, out=X)
    X *= 2

与@Ashwini Chaudhary的方法相比，有两个主要优势（这也是很好的）：

• 不需要分配新阵列
• 操作后无需复制任何数据

---

编辑：

请注意，对于

X

多次出现的更复杂表达式，很难避免复制，例如：

(X + 2.)/(8. + np.exp(X))

---

这里，当您将

X

更改为计算

np.exp（X）

时，计算表达式的其余部分将不再有效…

谢谢。因此，在这种情况下，Numpy不会分配任何额外的存储空间？@psihodelia对于您的情况，将首先在内存中创建一个新数组，然后用该数组替换原始数组的内容。之后，新数组将被垃圾收集，因为不再有对它的引用。但这意味着此数组不会在原地修改。我的问题是如何避免内存分配和修改数组-就像在C中一样。无论如何，谢谢你。@psihodelia如果你想这样做，是O（1）个额外的内存，那么你必须用一个简单的循环替换RHS上的表达式，然后在循环过程中，用迭代中生成的值更新X中的当前项。谢谢。在使用两个X的第二个示例中，还有什么解决方案可以避免内存分配？@psihodelia在这种情况下，我只看到在数组上循环计算临时变量中表达式的答案并替换旧值。。。例如，可以在Cython中完成

(X + 2.)/(8. + np.exp(X))