Python中a -= b和a=a-b的区别
Python中a -= b和a=a-b的区别
提问于 2016-01-27 19:29:44
我最近应用了this解决方案来平均每N行矩阵。尽管解决方案在一般情况下有效，但在应用于7x1数组时，我遇到了问题。我注意到问题出在使用-=运算符的时候。举个小例子：
import numpy as np
a = np.array([1,2,3])
b = np.copy(a)
a[1:] -= a[:-1]
b[1:] = b[1:] - b[:-1]
print a
print b以下哪项输出：
[1 1 2]
[1 1 1]因此，在数组的情况下，a -= b会产生与a = a - b不同的结果。直到现在，我一直认为这两种方式是完全相同的。有什么关系？
为什么我提到的矩阵中每N行求和的方法对7x4矩阵有效，但对7x1数组无效？
回答 1
Stack Overflow用户
发布于 2016-01-27 19:37:15
在内部，区别在于：
a[1:] -= a[:-1]等同于：
a[1:] = a[1:].__isub__(a[:-1])
a.__setitem__(slice(1, None, None), a.__getitem__(slice(1, None, None)).__isub__(a.__getitem__(slice(1, None, None)))而这一点：
b[1:] = b[1:] - b[:-1]映射到以下内容：
b[1:] = b[1:].__sub__(b[:-1])
b.__setitem__(slice(1, None, None), b.__getitem__(slice(1, None, None)).__sub__(b.__getitem__(slice(1, None, None)))在某些情况下，__sub__()和__isub__()的工作方式类似。但是在使用__isub__()时，可变对象应该发生变化并返回自身，而使用__sub__()时，它们应该返回一个新对象。
对numpy对象应用切片操作会在它们上创建视图，因此使用它们可以直接访问“原始”对象的内存。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/35036126
复制相关文章
相似问题
腾讯云开发者
