与 numpy.eye 相比，使用 numpy.identity 有什么优势？答案

【问题标题】：What are the advantages of using numpy.identity over numpy.eye?与 numpy.eye 相比，使用 numpy.identity 有什么优势？
【发布时间】：2015-04-06 10:59:48
【问题描述】：

查看了numpy 的eye 和identity 的手册页后，我认为identity 是eye 的一个特例，因为它的选项较少（例如eye可以填充移位的对角线，identity 不能），但可能运行得更快。但是，无论是小型数组还是大型数组，情况都不是这样：

>>> np.identity(3)                                                  
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])
>>> np.eye(3)                                                       
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])
>>> timeit.timeit("import numpy; numpy.identity(3)", number = 10000)
0.05699801445007324
>>> timeit.timeit("import numpy; numpy.eye(3)", number = 10000)     
0.03787708282470703
>>> timeit.timeit("import numpy", number = 10000)                   
0.00960087776184082
>>> timeit.timeit("import numpy; numpy.identity(1000)", number = 10000)
11.379066944122314
>>> timeit.timeit("import numpy; numpy.eye(1000)", number = 10000)     
11.247124910354614

那么，与eye 相比，使用identity 的优势是什么？

【问题讨论】：

标签： python arrays performance numpy

【解决方案1】：

identity 只是调用eye，因此数组的构造方式没有区别。这是identity的代码：

def identity(n, dtype=None):
    from numpy import eye
    return eye(n, dtype=dtype)

正如您所说，主要区别在于eye 可以偏移对角线，而identity 仅填充主对角线。

由于单位矩阵在数学中是如此常见的构造，因此使用identity 的主要优势似乎仅在于其名称。

【讨论】：

你知道为什么很多张量库都把恒等式叫做eye吗？
@aeduG：好问题——我真的不知道。如果我不得不猜测，那只是因为单位矩阵通常用数学符号表示I，但是这个字母不能用于编程语言，因为它可能会与虚数单位混淆。 I 和eye 是同音字，我想eye 比identity 更容易输入。

【解决方案2】：

要查看示例中的差异，请运行以下代码：

import numpy as np

#Creates an array of 4 x 4 with the main diagonal of 1

arr1 = np.eye(4)
print(arr1)

print("\n")

#or you can change the diagonal position

arr2 = np.eye(4, k=1)  # or try with another number like k= -2
print(arr2)

print("\n")

#but you can't change the diagonal in identity

arr3 = np.identity(4)
print(arr3)

【讨论】：

【解决方案3】：

np。 identity - 返回一个 SQUARE MATRIX（二维数组的特殊情况），它是一个单位矩阵，主对角线（即“k=0”）为 1，其他值为 0。你不能在这里改变对角线k。

np。 eye - 返回一个 2D-ARRAY，它填充对角线，即 'k' 可以设置为 1，其余为 0。

因此，主要优势取决于要求。如果你想要一个单位矩阵，你可以马上去寻找单位，或者可以调用 np.将其余部分保留为默认值。

但是，如果您需要特定形状/大小的 1 和 0 矩阵，或者可以控制对角线，则可以使用 eye 方法

就像矩阵是数组的特例一样，np.identity 矩阵也是 np.eye 的特例

参考： https://numpy.org/doc/stable/reference/generated/numpy.identity.html [2]: http://ttps://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.eye.html [3]: https://www.hackerrank.com/challenges/np-eye-and-identity/problem

【讨论】：