Python 将numba GUEVECTORIZE输出数组初始化为零

我正在尝试创建一个guvectorize函数，该函数迭代数据并在输出矩阵中更改单元格的值。问题是，当nopython=True时，我无法使输出矩阵初始化为零，输出结果包含无意义的数字

import numpy as np
from numba import guvectorize

@guvectorize(['void(float64[:], float64[:], int8[:])'], '(n),(n)->(n,n)', nopython=True)
def test(array_1, array_2, res):
    res[:] = 0
    for i in range(array_1.size):
        if array_1[i] > 1:
            res[i] += 1

a = np.float64(np.random.randint(0, 2, (6)))
b = np.float64(np.random.randint(0, 2, (6)))
c = test(a, b)

print(c)

输出：

[[   0    3 -126    4    0    0]
 [   0    0    0   53   26    2]
 [   0    0    0    0    0   53]
 [   0    2    0    0    0    0]
 [   0   59   33    2    0    0]
 [   0    0   56   91   58   93]]

当nopython=False时，这会给出正确的输出，但随后我会损失大量的处理速度

我可以通过在代码开头迭代初始化为零（代替res[：]）来解决这个问题：

---

但这似乎不太和谐，可能比简单的演员阵容更慢。使用res[：，：]会引发强制转换错误。

我被您的示例代码弄糊涂了，因为未使用

array_2

，并且在测试函数中，您只传递了3个参数中的2个。此外，guvectorize函数不返回结果，它们只填充

res

。你能发布一个工作示例吗？这是你实际使用的代码吗？我不太明白它如何创建示例输出。而且，它不会在我的系统上编译。在修复

int8[：，：]

后，它不会抱怨

res[：]=0

，并且似乎工作正常。也就是说，您可能不需要担心numba中的循环。它们被认为是“非python”的，因为在普通python中循环可能很慢。但是，numba编译的循环几乎可以和numpy内置循环一样快。您担心的是

nopython=True

解决方案是

unpythonic

？您还可以使用0和1的值初始化输入数组，然后检查是否有任何值大于1，这是永远不会发生的，因此循环不会计算任何内容。我还想明确分配切片，因为2d数组的

res[I]+=

不是很清楚，为什么不使用

res[I，：]+=

来代替呢？我被你的示例代码弄糊涂了，因为

array_2

没有使用，而且在测试函数中你只传递了3个参数中的2个。此外，guvectorize函数不返回结果，它们只填充

res

。你能发布一个工作示例吗？这是你实际使用的代码吗？我不太明白它如何创建示例输出。而且，它不会在我的系统上编译。在修复

int8[：，：]

后，它不会抱怨

res[：]=0

，并且似乎工作正常。也就是说，您可能不需要担心numba中的循环。它们被认为是“非python”的，因为在普通python中循环可能很慢。但是，numba编译的循环几乎可以和numpy内置循环一样快。您担心的是

nopython=True

解决方案是

unpythonic

？您还可以使用0和1的值初始化输入数组，然后检查是否有任何值大于1，这是永远不会发生的，因此循环不会计算任何内容。我还将明确分配切片，因为二维数组的

res[I]+=

不是很清楚，为什么不使用

res[I，：]+=

？

for i in range(unique_years.size):
    for j in range(window_sizes.size):
        res[i, j] = 0