python - NumPy 最小/最大就地赋值

Question

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/最大就地赋值？

比如说，a 和 b 是两个 2D numpy 数组，我想要 a[i,j] = min(a[i,j ], b[i,j]) 用于所有 i 和 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:

numpy.minimum(x1, x2[, out])
Element-wise minimum of array elements.
Compare two arrays and returns a new array containing the element-wise minima.

所以在上面的代码中，它会创建一个新的临时数组(a 和b 的最小值)，然后将它赋值给a并处理它，对吗？

有没有什么办法可以像 a.min_with(b) 这样将最小结果原地分配回 a？

Answer 1

numpy.minimum() 采用可选的第三个参数，即输出数组。您可以在那里指定 a 以将其修改到位:

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]])