时间戳

首页 > 解决方案 > 从 np.empty 初始化 numpy 数组

python - 从 np.empty 初始化 numpy 数组

问题描述

从空内存初始化 ndarray 时如何确定符号位？ 

>>> np.random.randn(3,3)
array([[-0.35557367, -0.0561576 , -1.84722985],
       [ 0.89342124, -0.50871646,  1.31368413],
       [ 0.0062188 ,  1.62968789,  0.72367089]])
>>> np.empty((3,3))
array([[0.35557367, 0.0561576 , 1.84722985],
       [0.89342124, 0.50871646, 1.31368413],
       [0.0062188 , 1.62968789, 0.72367089]])

这些从空内存初始化的浮点值已经失去了它们的符号†</sup>。这是为什么？

†</sup>注意：这个结果依赖于内存重用的实现细节。问题询问实施正在做什么。

标签： pythonnumpyheap-memory

解决方案

numpy.empty没有手动清除符号位或任何东西。符号位只是碰巧留在malloc返回值的这些位中的任何垃圾。您看到的效果是由于numpy.absolute其他地方的呼叫造成的。

问题是，numpy.empty没有重用randn返回值的缓冲区。毕竟，由于变量，randn返回值在创建其数组时仍然存在。empty_

numpy.empty正在重用在字符串化第一个数组的过程中创建的数组的缓冲区。我相信是这个：

def fillFormat(self, data):
    # only the finite values are used to compute the number of digits
    finite_vals = data[isfinite(data)]

    # choose exponential mode based on the non-zero finite values:
    abs_non_zero = absolute(finite_vals[finite_vals != 0])
    ...

看到那个absolute电话了吗？就是那个。

以下是支持该结论的一些额外测试：

>>> a = numpy.random.randn(3, 3)
>>> b = numpy.arange(-5, 4, dtype=float)
>>> c = numpy.arange(-5, 13, 2, dtype=float)
>>> a
array([[-0.96810932,  0.86091026, -0.32675013],
       [-1.23458136,  0.56151178, -0.37409982],
       [-1.71348979,  0.64170792, -0.20679512]])
>>> numpy.empty((3, 3))
array([[ 0.96810932,  0.86091026,  0.32675013],
       [ 1.23458136,  0.56151178,  0.37409982],
       [ 1.71348979,  0.64170792,  0.20679512]])
>>> b
array([-5., -4., -3., -2., -1.,  0.,  1.,  2.,  3.])
>>> numpy.empty((3, 3))
array([[ 0.96810932,  0.86091026,  0.32675013],
       [ 1.23458136,  0.56151178,  0.37409982],
       [ 1.71348979,  0.64170792,  0.20679512]])
>>> c
array([ -5.,  -3.,  -1.,   1.,   3.,   5.,   7.,   9.,  11.])
>>> numpy.empty((3, 3))
array([[  5.,   3.,   1.],
       [  1.,   3.,   5.],
       [  7.,   9.,  11.]])
>>> numpy.array([1.0, 0, 2, 3, 4, 5, 6, 7, 8, 9])
array([ 1.,  0.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])
>>> numpy.empty((3, 3))
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.],
       [ 7.,  8.,  9.]])

结果numpy.empty受打印a和影响c，而不是受创建这些数组的过程影响。b没有效果，因为它有 8 个非零元素。finalarray([1.0, 0, 2, ...])有效果，因为即使它有 10 个元素，其中也有 9 个是非零的。

推荐阅读