Skip to main content
 首页 » 编程设计

python之我的脚本和控制台中使用点积的不同输出

2025年04月02日14三少

我已经尝试解决这个问题 2 个多小时了。

我写了一个脚本,我把一些调试 prints

... 
print(array) 
print(m) 
print(np.dot(m.ravel(),array.ravel())) 
... 

当我启动它时,我有这样的输出:

$ ./test.py  
[[    0     0     0     0     0     0     0] 
 [    0     0     0     0     0     0     0] 
 [    0     0     0     0     0     0     0] 
 [    0     0     0 20303 20303 20303 20303] 
 [20303 20303 20303 20303 20303 20303 20303] 
 [20303 20303 20303 20303 20303 20303 20303] 
 [20303 20303 20303 20303 20303 20303 20303]] 
[[False False False False False False False] 
 [False False False False False False False] 
 [False False False False False False False] 
 [False False False False  True False False] 
 [False False  True False  True False False] 
 [False False False  True False False False] 
 [False False False False False False False]] 
15676 

当我尝试在 python 控制台中重现此行为时,我得到了不同的点积结果:

$ /usr/bin/python3 
Python 3.4.2 (default, Oct  8 2014, 10:45:20)  
[GCC 4.9.1] on linux 
Type "help", "copyright", "credits" or "license" for more information. 
>>> import numpy as np 
>>> array=np.array([[    0,     0,     0,     0,     0,     0,     0], 
[    0,     0,     0,     0,     0,     0,     0], 
[    0,     0,     0,     0,     0,     0,     0], 
[    0,     0,     0, 20303, 20303, 20303, 20303], 
[20303, 20303, 20303, 20303, 20303, 20303, 20303], 
[20303, 20303, 20303, 20303, 20303, 20303, 20303], 
[20303, 20303, 20303, 20303, 20303, 20303, 20303]]) 
>>>  
>>> m=np.array([[False, False, False, False, False, False, False], 
[False, False, False, False, False, False, False], 
[False, False, False, False, False, False, False], 
[False, False, False, False,  True, False, False], 
[False, False,  True, False,  True, False, False], 
[False, False, False,  True, False, False, False], 
[False, False, False, False, False, False, False]]) 
>>> np.dot(m.ravel(),array.ravel()) 
81212 

什么会导致这种情况?顺便说一句,81212 是我在这里期望的结果,我真的不明白我的脚本中发生了什么。

请您参考如下方法:

实际上解决问题,但可能是一个解决方法:

np.ravel在 NumPy 1.10 中略有变化,也许这是导致“奇怪”行为的原因:

As of NumPy 1.10, the returned array will have the same type as the input array. (for example, a masked array will be returned for a masked array input)

但是在这种情况下你真的需要np.ravel吗?只使用 boolean indexing 怎么样?并总结结果:

>>> print(array[m].sum()) 
81212 

如果这是您最初想要实现的目标,则此方法可能比 np.dot扁平化数组更“pythonic”。