Numpy: Ein neuer gewaltiger BUG in Advanced Indexing?
Dies ist ein Fehler
train = np.zeros([26,26])
train2 = np.zeros([26,26])
tmp = [1,2,3,4,5,6,1,2,3,4,5,6]
train[tmp[0:-1], tmp[1:]] += 1
for i in range(len(tmp)-1):
train2[tmp[i], tmp[i+1]] += 1
print(np.sum(train - train2))
die Ausgabe ist -5
Ich finde, dass train nicht gleich train2 wenn es einige doppelte Tupel in tmp . Stimmt etwas nicht mit numpy Slicing.
53 - Invalid
Levstyle
👍1
Alle 3 Kommentare
Ebenfalls.
RogerMonkey
am 30. März 2017
Sie wissen, dass Sie zweimal versuchen, an die "gleiche Position" zu schreiben, zum Beispiel [1, 2] . Leider (oder zum Glück, je nach Sichtweise) funktioniert das nicht.
Aber Sie können np.add.at was laut den Dokumenten "Für die Addition von ufunc ist diese Methode äquivalent zu a[indices] += b, außer dass Ergebnisse für Elemente akkumuliert werden, die mehr als einmal indiziert sind.":
train = np.zeros([26,26])
np.add.at(train, [tmp[:-1], tmp[1:]], 1)
MSeifert04
am 30. März 2017
👍3
Vielen Dank!
Levstyle
am 30. März 2017
War diese Seite hilfreich?
0 / 5 - 0 Bewertungen
Verwandte Themen
keithbriggs
·
3Kommentare
kevinzhai80
·
4Kommentare
thouis
·
4Kommentare
toddrjen
·
4Kommentare
dcsaba89
·
3Kommentare
Hilfreichster Kommentar
Sie wissen, dass Sie zweimal versuchen, an die "gleiche Position" zu schreiben, zum Beispiel
[1, 2]. Leider (oder zum Glück, je nach Sichtweise) funktioniert das nicht.Aber Sie können
np.add.atwas laut den Dokumenten "Für die Addition von ufunc ist diese Methode äquivalent zu a[indices] += b, außer dass Ergebnisse für Elemente akkumuliert werden, die mehr als einmal indiziert sind.":