python - NumPy最小/最大就地分配

是否可以在没有额外副本的情况下使用NumPy多维数组执行最小/最大就地分配？

假设a和b是两个2D numpy数组，我想为所有a[i,j] = min(a[i,j], b[i,j])和i使用j。

一种方法是:

a = numpy.minimum(a, b)

但是根据文档，numpy.minimum创建并返回一个新数组:



因此，在上面的代码中，它将创建一个新的临时数组(a和b的最小值)，然后将其分配给a并进行处理，对吗？

有什么办法可以做类似于a.min_with(b)的操作，以便将最小结果就地分配回a？

最佳答案

numpy.minimum()采用可选的第三个参数，即输出数组。您可以在此处指定a对其进行修改:

In [9]: a = np.array([[1, 2, 3], [2, 2, 2], [3, 2, 1]])

In [10]: b = np.array([[3, 2, 1], [1, 2, 1], [1, 2, 1]])

In [11]: np.minimum(a, b, a)
Out[11]:
array([[1, 2, 1],
       [1, 2, 1],
       [1, 2, 1]])

In [12]: a
Out[12]:
array([[1, 2, 1],
       [1, 2, 1],
       [1, 2, 1]])

关于python - NumPy最小/最大就地分配，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14428183/