python - 为什么 Numpy 对待 a+=b 和 a=a+b 的方式不同

Question

以下 numpy 行为是故意的还是错误？

from numpy import *

a = arange(5)
a = a+2.3
print 'a = ', a
# Output: a = 2.3, 3.3, 4.3, 5.3, 6.3 

a = arange(5)
a += 2.3
print 'a = ', a
# Output: a = 2, 3, 4, 5, 6

Python 版本：2.7.2，Numpy 版本：1.6.1

Answer 1

那是故意的。

运算符保留数组的+=类型。换句话说，整数数组仍然是整数数组。

这使 NumPy 能够+=使用现有的数组存储执行操作。另一方面，a=a+b为 sum 创建一个全新的数组，并重新绑定a以指向这个新数组；这会增加用于操作的存储量。

引用文档：

警告：就地操作将使用由两个操作数的数据类型决定的精度来执行计算，但会默默地向下转换结果（如有必要），以便它可以放回数组中。因此，对于混合精度计算，A {op}= B可以不同于A = A {op} B. 例如，假设a = ones((3,3)). 然后，a += 3j不同于a = a + 3j: 虽然它们都执行相同的计算，a += 3但将结果强制转换为适合a，而a = a + 3j将名称重新绑定a到结果。

最后，如果您想知道为什么a首先是整数数组，请考虑以下问题：

In [3]: np.arange(5).dtype
Out[3]: dtype('int64')

In [4]: np.arange(5.0).dtype
Out[4]: dtype('float64')

Answer 2

@aix 是完全正确的。我只是想指出这不是 numpy 独有的。例如：

>>> a = []
>>> b = a
>>> a += [1]
>>> print a
[1]
>>> print b
[1]
>>> a = a + [2]
>>> print a
[1, 2]
>>> print b
[1]

如您所见+=，修改列表并+创建一个新列表。这也适用于 numpy。+创建一个新数组，因此它可以是任何数据类型。+=就地修改数组，并且 numpy 在修改数组内容时更改数组的数据类型是不切实际的，并且 imo 可取。