从np.empty初始化numpy数组

从np.empty初始化numpy数组,第1张

从np.empty初始化numpy数组

numpy.empty
没有手动清除符号位或其他任何东西。符号位就是
malloc
返回值的那些位中可能留下的任何垃圾。您看到的效果是由于
numpy.absolute
其他地方的通话所致。

关键是,

numpy.empty
不要重用
randn
返回值的缓冲区。毕竟,由于变量的原因,
randn
返回值在
empty
创建其数组时仍然有效
_

numpy.empty
正在重用在对第一个数组进行 字符串化
的过程中创建的数组的缓冲区。我相信就是这个:

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
电话吗?就是那个。

这是支持该结论的一些其他测试:

>>> a = numpy.random.randn(3, 3)>>> b = numpy.arange(-5, 4, dtype=float)>>> c = numpy.arange(-5, 13, 2, dtype=float)>>> aarray([[-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]])>>> barray([-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]])>>> carray([ -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.]])

numpy.empty
结果通过印刷影响
a
c
,而不是通过创建这些阵列的过程。
b
无效,因为它有8个非零元素。最终
array([1.0,0, 2, ...])
效果是有影响的,因为即使它有10个元素,它们中恰好有9个也不为零。



欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/5663621.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-16
下一篇 2022-12-16

发表评论

登录后才能评论

评论列表(0条)

保存