ndarray.T จะได้รับการอัปเดตเมื่อใด [ซ้ำ]
ใน Numpy คุณสามารถเปลี่ยน a ndarrayด้วยtranspose()เมธอดได้ แต่ก็มีแอตทริบิวต์Tเช่นกัน
เมื่อมีndarrayการเปลี่ยนแปลงไม่เพียง แต่ค่าส่งคืนของtranspose()วิธีการเท่านั้น แต่ยังTมีการอัปเดตแอตทริบิวต์โดยอัตโนมัติในเวลาเดียวกัน
ndarray.transpose()เป็นฟังก์ชั่นดังนั้นจึงไม่ต้องสงสัยเลย อย่างไรก็ตามTไม่ใช่ฟังก์ชัน แต่เป็นเพียงแอตทริบิวต์ดังนั้นจึงต้องอัปเดตก่อนเข้าถึง
ฟังก์ชันและวิธีการ Numpy ทั้งหมดจะอัปเดต
Tแอตทริบิวต์ทุกครั้งที่มีการเรียกใช้หรือไม่ถ้าเป็นเช่นนั้นทำไม? เป็นไปได้ว่าเมื่อจัดการเมทริกซ์จำนวนมากค่าใช้จ่ายในการคำนวณของทุกการดำเนินการจะสูงมากแม้ว่าจะไม่เกี่ยวข้องกับการขนย้ายก็ตาม ไม่สมเหตุสมผลกว่าที่จะเรียก
transpose()เฉพาะเมื่อจำเป็นแทนที่จะเขียนTแอตทริบิวต์ใหม่ทุกครั้ง?
นี่เป็นตัวอย่างง่ายๆ:
>>> import numpy as np
>>> x = np.array([[1, 2, 3],
... [4, 5, 6]])
...
>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> x.T
array([[1, 4],
[2, 5],
[3, 6]])
แน่นอนว่าการทำงานในxเวลาเดียวกันก็เปลี่ยนไปx.Tเช่นกัน x.Tปรับปรุงเมื่อใด ได้x.__imul__()ทำหรือไม่?
>>> x *= 100
>>> x
array([[100, 200, 300],
[400, 500, 600]])
>>> x.T
array([[100, 400],
[200, 500],
[300, 600]])
คำตอบ
Tทรัพย์สินซึ่งเป็นเช่นเดียวกับ.transpose()เป็นเพียงมุมมองที่มีรูปร่าง (และความก้าวหน้า) การเปลี่ยนแปลง หน่วยความจำของเนื้อหาจริงเหมือนกัน (คุณสามารถใช้ a id(x[0,0])และid(x.T[0,0])ตัวอย่างเพื่อตรวจสอบสิ่งนี้) แต่คุณสมบัติของวัตถุจะบอกnumpyวิธีตีความ สำหรับอาร์เรย์ 2 มิติความก้าวและรูปร่างเป็นเพียงการย้อนกลับของอาร์เรย์เดิม อ่านเพิ่มเติมเกี่ยวกับความก้าวหน้าอย่างเห็นเอกสาร นี่คือสาเหตุที่สิ่งต่าง ๆ เกิดขึ้นทันทีเมื่อเนื้อหาเปลี่ยนแปลง - เซลล์หน่วยความจำได้รับหมายเลขใหม่ แต่การตีความ.Tอาร์เรย์ไม่เปลี่ยนแปลง