对于numpy数组，赋值给array和array[:]有区别吗？

Question

这是一个我以前从未考虑过的非常基本和微妙的问题，但我最近再次偶然发现了符号a[:] ，这次它引起了我的注意。 考虑以下两个示例：

例一

a     = numpy.zeros(10)
vals  = numpy.arange(10)
a     = vals**2

例子二

a     = numpy.zeros(10)
vals  = numpy.arange(10)
a[:]  = vals**2

不同之处仅在于最后一行的分配。 多年来，我从未想过两者之间的区别。 但是有区别吗？ B 是否通过直接将值分配给现有数组而不是在示例 A 中创建另一个临时数组来使用更少的 memory？ 或者两者到底是相同的（甚至在引擎盖下）？

Answer 1

是的，不同之处在于a =更改与名称a关联的值，而a[:] =在内部改变a 。

在内部改变a[:]应该占用少一点 memory，因为a的原始值不需要在分配后单独进行垃圾收集（因为不再有名称指向它）。

这也代表支持切片分配的其他 Python 对象、collections 等（事实上，修改相同的 object 具有在os.walk()中过滤目录的重要用例）。

但是，您的用例可能最好只使用

a = numpy.arange(10)  # (or however you'd get the values to square)
a **= 2

因为 Numpy 可以优化__ipow__内联电源操作以全部就地发生，并且在将其放置到位之前不会为vals ** 2进行额外分配。

Answer 2

第一个结果：

[ 0  1  4  9 16 25 36 49 64 81]

第二个结果：

[ 0.  1.  4.  9. 16. 25. 36. 49. 64. 81.]

那些看起来真的和你一模一样吗？

分配到现有数组中会保留其dtype 。 只分配给变量而不是让你得到任何新值。

此外，如果您有另一个对原始数组的引用，即假设您已经完成了b = a ，那么您的第一个代码根本不会影响b而您的第二个代码会。