基本 Numpy 数组赋值

Question

作为我开始在 python 中使用数字代码之前的一个小练习，我正在尝试制作一个 LDLT 算法。只是为了“弄湿脚”。

但是我似乎对 numpy 数组缺乏基本的了解。请参阅以下示例：

def ldlt(Matrix):
    import numpy

    (NRow, NCol) = Matrix.shape

    for col in range(NCol):
        Tmp = 1/Matrix[col,col]
        for D in range(col+1, NCol):
            Matrix[col,D] = Matrix[D,col]*Tmp  
            
if __name__ == '__main__':
    import numpy
    A = numpy.array([[2,-1,0],[-1,2,-1],[0,-1,2]])
    ldlt(A)

该示例不是我正在处理的完整代码。但是，尝试运行它，并在 Matrix[col,D] = ... 处设置断点 ...

我对第一次评估的期望是将第 0 行第 1 列（起始值 -1）设置为等于 = -1*(1/2) = -0.5。

但是，在运行代码时，它似乎被设置为 0。为什么？ 一定有一些基本的东西我还没有真正理解？

提前感谢大家帮助我。

编辑 1：

Python 版本：3.3 Tmp.：变为 0.5（由我的调试器报告）。

Answer 1

numpy 数组具有固定类型。以后不能将 int 数组更改为浮点数。将数组初始化为浮点数组：

A = numpy.array([[2, -1, 0], [-1, 2, -1], [0, -1, 2]], numpy.float)

Answer 2

以下可能显示正在发生的事情：

>>> A = np.array([[2,-1,0],[-1,2,-1],[0,-1,2]])
>>> A.dtype
dtype('int32')
>>> A[0, 1]
-1
>>> A[0, 1] * 0.5
-0.5
>>> A[0, 1] *= 0.5
>>> A[0, 1]
0
>>> int(-0.5)
0

您的数组只能保存 32 位整数，因此您尝试分配给它的任何浮点值都将被强制转换（即截断）为 int32。

---

以同样的价格，这是一种更 numpythonic 的方式来做你所追求的事情：通常要避免 for 循环，因为它们破坏了 numpy 的全部目的：

def ldlt_np(arr) :
    rows, cols = arr.shape
    tmp = 1 / np.diag(arr) # this is a float array
    mask = np.tril_indices(cols)
    ret = arr * tmp[:, None] # this will also be a float array
    ret[mask] = arr[mask]

    return ret

>>> A = np.array([[2,-1,0],[-1,2,-1],[0,-1,2]])
>>> ldlt_np(A)
array([[ 2. , -0.5,  0. ],
       [-1. ,  2. , -0.5],
       [ 0. , -1. ,  2. ]])