Question

解释一下：

>>> a = np.arange(10)
>>> a[2:]
array([2, 3, 4, 5, 6, 7, 8, 9])
>>> a[:-2]
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> a[2:] - a[:-2]
array([2, 2, 2, 2, 2, 2, 2, 2])
>>> a[2:] -= a[:-2]
>>> a
array([0, 1, 2, 2, 2, 3, 4, 4, 4, 5])

预期结果当然是array([0, 1, 2, 2, 2, 2, 2, 2, 2, 2])。

我会猜测这与numpy并行化的事情有关，并且不够聪明，以至于需要首先制作数据的临时副本（或以正确的顺序执行操作）。 / p>

换句话说，我怀疑它正在做一些像这样天真的事情：

for i in range(2, len-2):
    a[i] -= a[i-2]

供参考，它适用于Matlab和Octave：

a = 0:9
a(3:end) = a(3:end) - a(1:end-2)

a =

  0  1  2  3  4  5  6  7  8  9

a =

  0  1  2  2  2  2  2  2  2  2

如果你这样做，实际上它可以正常工作：

a[2:] = a[2:] - a[:-2]

所以这可能意味着a -= b与numpy的a = a - b不同！

实际上现在我开始考虑它，我认为Mathworks将此作为未实现+ =， - =，/ =和* =运算符的原因之一！

Answer 1

当您按照示例中的方式切片numpy数组时，您将获得数据的视图而不是副本。

请参阅：

http://scipy-lectures.github.io/advanced/advanced_numpy/#example-inplace-operations-caveat-emptor

Answer 2

意外的行为是由数组aliasing引起的，因为（正如@JoshAdel在他的回答中所述），切片返回一个视图，而不是数组的副本。你的“天真”循环的例子已经解释了如何计算结果。但我会在你的解释中加上两点：

首先，意外行为不是由于numpy并行化操作造成的。如果操作是并行化的，那么你不应该期望[始终]看到天真循环的结果（因为该结果取决于循环的有序执行）。如果您多次重复实验 - 即使对于大型阵列 - 您也应该看到相同的结果。

其次，虽然你的推定一般都是正确的，但我会这样说：

当 a -= b 和 a = a - b 时，
a与两个numpy数组的b相同没有别名。

numpy数组操作的奇怪行为

2 个答案: