Numpy: Un nouveau BUG énorme dans l'indexation avancée ?
C'est un BOGUE
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))
la sortie est -5
Je trouve que train n'est pas égal à train2 lorsqu'il y a des tuples en double dans tmp . Y a-t-il quelque chose qui ne va pas dans le tranchage numpy.
53 - Invalid
Levstyle
👍1
Tous les 3 commentaires
Je vous souhaite la même chose.
RogerMonkey
le 30 mars 2017
Vous savez que vous essayez d'écrire à la "même position" deux fois, par exemple [1, 2] . Malheureusement (ou heureusement, selon le point de vue) cela ne fonctionne pas.
Mais vous pouvez utiliser np.add.at qui selon la doc "Pour l'addition ufunc, cette méthode est équivalente à a[indices] += b, sauf que les résultats sont cumulés pour les éléments qui sont indexés plus d'une fois." :
train = np.zeros([26,26])
np.add.at(train, [tmp[:-1], tmp[1:]], 1)
MSeifert04
le 30 mars 2017
👍3
Merci!
Levstyle
le 30 mars 2017
Cette page vous a été utile?
0 / 5 - 0 notes
Questions connexes
Foadsf
·
3Commentaires
MareinK
·
3Commentaires
astrofrog
·
4Commentaires
marcocaccin
·
4Commentaires
perezpaya
·
4Commentaires
Commentaire le plus utile
Vous savez que vous essayez d'écrire à la "même position" deux fois, par exemple
[1, 2]. Malheureusement (ou heureusement, selon le point de vue) cela ne fonctionne pas.Mais vous pouvez utiliser
np.add.atqui selon la doc "Pour l'addition ufunc, cette méthode est équivalente à a[indices] += b, sauf que les résultats sont cumulés pour les éléments qui sont indexés plus d'une fois." :