微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

为什么Numpy中的0d数组不视为标量?

如何解决为什么Numpy中的0d数组不视为标量?

人们不应该为之苦思。最终对个人的心理健康和长寿更好。

Numpy标量类型的奇怪情况是由于没有一种优雅而一致的方法将1x1矩阵降级为标量类型而产生的。即使从数学上讲它们是同一回事,但它们是由非常不同的代码处理的。

如果您一直在进行大量的科学编码,那么最终您希望max(a)可以在各种尺寸甚至标量的矩阵上工作。从数学上讲,这是一件非常明智的事情。但是,对于程序员而言,这意味着Numpy中出现标量的任何内容都应具有.shape和.ndim样式,因此至少ufunc不必对Numpy中21种可能的标量类型的输入进行显式类型检查。

另一方面,它们还应与 确实 对标量类型进行显式类型检查的现有Python库一起使用。这是一个难题,因为当将Numpy ndarray简化为标量时,它们必须单独更改其类型,并且如果不对所有访问进行检查,就无法知道是否发生了这种情况。实际上,按照标量类型标准进行操作,可能会使工作变得有点荒谬。

Numpy开发人员的解决方案是从ndarray和Python标量继承其自身的标量类型,以便所有标量也具有.shape,.ndim,.T等。1x1矩阵仍将存在,但其使用将是如果您知道要处理标量,则不愿这样做。尽管从理论上讲这应该可以正常工作,但有时您仍然可以看到一些他们用油漆滚筒错过的地方,而丑陋的内部则暴露给所有人看:

>>> from numpy import *
>>> a = array(1)
>>> b = int_(1)
>>> a.ndim
0
>>> b.ndim
0
>>> a[...]
array(1)
>>> a[()]
1
>>> b[...]
array(1)
>>> b[()]
1

确实没有理由为什么a[...]a[()]应该返回不同的东西,但是确实如此。有一些建议可以改变这一点,但是看起来他们忘了完成1x1阵列的工作。

一个潜在的更大且可能无法解决的问题是Numpy标量是不可变的。因此,在数学上将标量“喷洒”到ndarray(将数组折叠成标量的伴随操作)是要实现的PITA。您实际上不能增长一个Numpy标量,即使它newaxis神秘地起作用,也无法将其定义为ndarray

>>> b[0,1,2,3] = 1
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'numpy.int32' object does not support item assignment
>>> b[newaxis]
array([1])

在Matlab中,增大标量的大小是完全可以接受的,并且无需任何操作。在Numpy中,您必须在a = array(a)所有您 认为 有可能以标量开始并以数组结尾的地方保持震撼。我理解为什么Numpy必须采用这种方式才能与Python完美兼容,但这并不能改变许多新的切换器对此深感困惑的事实。有些人清楚地记忆着这种行为并最终坚持不懈,而另一些人则太遥远了,他们通常会留下一些深深的,无形的精神创伤,常常困扰着他们最纯真的梦想。这对所有人来说都是一个丑陋的局面。

解决方法

当然,0d数组是标量的,但是Numpy似乎并不这么认为…我是否缺少某些内容?还是我只是误解了这个概念?

>>> foo = numpy.array(1.11111111111,numpy.float64)
>>> numpy.ndim(foo)
0
>>> numpy.isscalar(foo)
False
>>> foo.item()
1.11111111111

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。