在形状和1，之间，为什么我可以执行常规操作而不是就地执行操作？

编程问答 2022-06-11

问题描述

当我尝试从形状（1，）到形状（）进行现场广播时，numpy会引发ValueError: non-broadcastable output operand with shape () doesn't match the broadcast shape (1,)。我understand认为 inplace运算符旨在与输入在相同的内存块上进行操作，这就是为什么您不能从形状（5，）就地广播的原因变成形状（1，）。但是，对于形状（1，）（或大小为1的任何数组），其大小与形状为（）的标量相同。那么为什么我不能执行就位操作a += b，其中a的形状为()而b的形状为(1,)？相反的起作用。

代码：

a = np.array(0)
b = np.array([0])
a + b  # valid
b += a  # valid
a += b  # ValueError

结果：

ValueError: non-broadcastable output operand with shape () doesn't match the broadcast shape (1,)

解决方法

虽然我们可以从测试中获得一些想法，但它可能取决于实现细节（在编译后的代码中）。

In [81]: a = np.array(0); b = np.array([0])
In [82]: a,b
Out[82]: (array(0),array([0]))

两者之和产生一个（1，）数组。这与广播规则一致。 a广播到（1，），然后求和。

In [83]: a+b
Out[83]: array([0])

我们可以添加（）或标量：

In [84]: a += a

但是您的错误情况显然是试图将这个（1，）总和放入（）目标：

In [85]: a += b
Traceback (most recent call last):
  File "<ipython-input-85-294cacd62d6f>",line 1,in <module>
    a += b
ValueError: non-broadcastable output operand with shape () doesn't match the broadcast shape (1,)

可以使用正确的索引为a分配一个值：

In [86]: a[:] = 1
Traceback (most recent call last):
  File "<ipython-input-86-aa15caba710a>",in <module>
    a[:] = 1
IndexError: too many indices for array: array is 0-dimensional,but 1 were indexed

In [87]: a[()] =2
In [88]: a
Out[88]: array(2)
In [89]: a[...] = a+b
In [90]: a
Out[90]: array(2)

但是显然+=这种分配确实使用了这种更通用的分配方法。

我们也不能+=将（1,1）变成（1，）：

In [92]: b += np.array([[1]])
Traceback (most recent call last):
  File "<ipython-input-92-15b525996e5d>",in <module>
    b += np.array([[1]])
ValueError: non-broadcastable output operand with shape (1,) doesn't match the broadcast shape (1,1)

显然，+=类型的分配无法减少数字维度。

作为旁注，可以将（1，）数组广播为（0，）

In [100]: c = np.zeros((0,))
In [101]: c += b
In [102]: c
Out[102]: array([],dtype=float64)

也就是说，在第二个广播步骤中（在匹配尺寸数之后），可以将尺寸1的尺寸减小为0。但这与将尺寸数从n+1更改为n不同。

array-broadcastingin-placenumpypython