Question

我在python中使用基本的快捷方法得到了一个非常奇怪的错误。似乎，除非我非常愚蠢，否则我得到A = A + B和A + = B的不同值。这是我的代码：

def variance(phi,sigma,numberOfIterations):
    variance = sigma
    for k in range(1,numberOfIterations):
        phik = np.linalg.matrix_power(phi,k)
        variance = variance + phik*sigma*phik.T
    return variance

这基本上只计算向量自回归的协方差。所以：

phi    = np.matrix('0.7 0.2 -0.1; 0.001 0.8 0.1; 0.001 0.002 0.9')
sigma  = np.matrix('0.07 0.01 0.001; 0.01 0.05 0.004; 0.001 0.004 0.01')

我明白了：

variance(phi,sigma,10) = 
[[ 0.1825225   0.07054728  0.00430524]
 [ 0.07054728  0.14837229  0.02659357]
 [ 0.00430524  0.02659357  0.04657858]]

我认为这是正确的（与Matlab一致）。现在，如果我将上面的行更改为

variance += phik*sigma*(phik.T)

我明白了：

variance(phi,sigma,10) =
[[ 0.34537165  0.20258329  0.04365378]
 [ 0.20258329  0.33471052  0.1529369 ]
 [ 0.04365378  0.1529369   0.19684553]]

怎么回事？

非常感谢

丹

Answer 1

罪魁祸首是：

variance = sigma

如果您将其更改为：

variance = sigma.copy()

你会看到正确的结果。

这是因为+=实际上执行了（更有效的）就地添加...由于variance和sigma都引用了同一个数组，都将会被更新。例如：

>>> sigma = np.array([1])
>>> variance = sigma
>>> variance += 3
>>> sigma
array([4])

Python numpy添加错误

1 个答案: