与numpy.eye相比，使用numpy.identity有哪些优势？
与numpy.eye相比，使用numpy.identity有哪些优势？
提问于 2015-02-06 18:19:24
看过numpy的eye和identity的手册页后，我假设identity是eye的特例，因为它的选项更少(例如，eye可以填充移位的对角线，identity不能)，但似乎可以更快地运行。然而，无论是在小数组还是大型数组上，情况都不是这样：
>>> np.identity(3)
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> np.eye(3)
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>> timeit.timeit("import numpy; numpy.identity(3)", number = 10000)
0.05699801445007324
>>> timeit.timeit("import numpy; numpy.eye(3)", number = 10000)
0.03787708282470703
>>> timeit.timeit("import numpy", number = 10000)
0.00960087776184082
>>> timeit.timeit("import numpy; numpy.identity(1000)", number = 10000)
11.379066944122314
>>> timeit.timeit("import numpy; numpy.eye(1000)", number = 10000)
11.247124910354614那么，相对于eye，使用identity的优势是什么呢
回答 2
Stack Overflow用户
回答已采纳
发布于 2015-02-06 18:30:53
identity只调用eye，所以在如何构造数组上没有区别。下面是identity的代码：
def identity(n, dtype=None):
from numpy import eye
return eye(n, dtype=dtype)正如您所说，主要的区别是使用eye可以偏移对角线，而identity只填充主对角线。
由于单位矩阵在数学中是一个如此常见的构造，似乎使用identity的主要优势仅仅是因为它的名称。
Stack Overflow用户
发布于 2020-09-03 15:42:50
要查看示例中的差异，请运行以下代码：
import numpy as np
#Creates an array of 4 x 4 with the main diagonal of 1
arr1 = np.eye(4)
print(arr1)
print("\n")
#or you can change the diagonal position
arr2 = np.eye(4, k=1) # or try with another number like k= -2
print(arr2)
print("\n")
#but you can't change the diagonal in identity
arr3 = np.identity(4)
print(arr3)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/28363447
复制相关文章
相似问题