前言

本文記錄了我在python編程中遇到的各種小問題，持續更新。

1. x = x + 1 VS x += 1

辨析下面這兩段代碼：

>>> x = y = [1, 2, 3, 4] >>> x += [4] >>> x [1, 2, 3, 4, 4] >>> y [1, 2, 3, 4, 4] >>> x = y = [1, 2, 3, 4] >>> x = x + [4] >>> x [1, 2, 3, 4, 4] >>> y [1, 2, 3, 4]

1）’+=’ 調用 in-place 的加法，即 iadd 方法。 此方法采用兩個參數，但是原地進行更改，修改了第一個參數的內容（即x被修改）。 由于x和y都指向相同的Pyobject，因此它們都是相同的。

2）x = x + [4] 調用 add 方法，相當于 x.add([4])，并沒有原地進行更改或添加值，它會創建一個新列表[1, 2, 3, 4, 4]，該列表指向了x，而y仍指向舊列表[1, 2, 3, 4]，因此它們不相同。

2. np.matmul(@) VS np.dot VS np.multiply(*)

np.matmul(a, b)是矩陣乘法，運算符重載為@；np.dot(a, b)是點積；np.multiply(a, b)是逐元素乘法，運算符重載為*

關于三者的辨析，直接上結論：

1）如果a或者b有一個是標量，用np.multiply()或者*，np.dot()可以但不推薦，np.matmul()不可以；

2）如果a、b是向量，則使用np.dot()向量內積；

3）如果a、b是二維array（矩陣），則使用np.matmul()矩陣乘法；

4）a、b是二維及以下array的情況下，np.matmul()與np.dot()效果相同；

5）a、b是大于二維array的情況下，如下例：

a = np.array([i for i in range(120)]).reshape([2,3,4,5]) b = np.array([i for i in range(120)]).reshape([2,3,5,4]) >>> np.matmul(a,b).shape (2, 3, 4, 4)>>> np.dot(a,b).shape (2, 3, 4, 2, 3, 4)>>> np.matmul(b,a).shape (2, 3, 5, 5)>>> np.dot(a,b).shape (2, 3, 5, 2, 3, 5)

重點是觀察結果的維度不同，np.matmul(a,b)的維度為(2, 3, 4, 4)，np.dot(a,b)的維度為(2, 3, 4, 2, 3, 4)，這是因為np.matmul()遵循了矩陣乘法的維度規則(n,k),(k,m)->(n,m)，a的最后一個維度5和b的倒數第二個維度5消掉。

具體的運算，用一個簡單點的例子說明：

a = np.array([i for i in range(12)]).reshape([2,2,3]) b = np.array([i for i in range(12)]).reshape([2,3,2]) """ a [[[ 0 1 2][ 3 4 5]][[ 6 7 8][ 9 10 11]]] b [[[ 0 1][ 2 3][ 4 5]][[ 6 7][ 8 9][10 11]]] """>>> np.matmul(a,b) array([[[ 10, 13],[ 28, 40]],[[172, 193],[244, 274]]])>>> np.dot(a,b) array([[[[ 10, 13],[ 28, 31]],[[ 28, 40],[100, 112]]],[[[ 46, 67],[172, 193]],[[ 64, 94],[244, 274]]]])

?

3. “==” VS “is”

在python中，雙等號 == 和 is 好像都是用于判斷兩個東西是否相等，但實際上兩者是不一樣的。

== 是用于判斷值（value）相等，即判斷兩個對象是否具有相同的值。

is 是用于判斷參考（reference）相等，即判斷兩個引用是否引用同一個對象。

實際上，以下兩條語句是等價的：

a is b id(a) == id(b)

id() 函數可以理解為一種哈希函數，用來唯一標識python中的不可變類型。

總結

以上是生活随笔為你收集整理的python编程中的小问题汇总的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。