账号np.diff有漏洞吗？

Question

我遇到了一个问题np.差异不适用于矩阵的切片。这是虫子还是我做错了什么？你知道吗

import numpy as np
from numba import njit
v = np.ones((2,2))
np.diff(v[:,0])

array([0.])

@njit
def numbadiff(x):
    return np.diff(x)

numbadiff(v[:,0])

最后一个调用返回一个错误，但我不知道为什么。你知道吗

Answer 1

问题是Numba中的np.diff进行了内部整形，这只支持contiguous arrays。您正在制作的片v[:, 0]不是连续的，因此出现了错误。可以使用^{}使其工作，如果给定数组尚未连续，则返回该数组的连续副本：

numbadiff(np.ascontiguousarray(v[:, 0]))

注意，您也可以避免np.diff，并将numbadiff重新定义为：

@njit
def numbadiff(x):
    return x[:-1] - x[1:]

Answer 2

当你遇到错误时，礼貌的做法是表现出错误。有时回溯的完全错误是合适的。对于numba来说，这可能太多了，但是您应该尝试发布一个摘要。它使我们更容易，特别是当我们无法运行您的代码并亲自看到错误时。你甚至可以学到一些东西。你知道吗

我运行了你的例子，得到（部分）：

In [428]: numbadiff(np.ones((2,2))[:,0])                                        
                                     -
TypingError    
...
TypeError: reshape() supports contiguous array only
...
    def diff_impl(a, n=1):
        <source elided>
        # To make things easier, normalize input and output into 2d arrays
        a2 = a.reshape((-1, size))
...
TypeError: reshape() supports contiguous array only
....
This is not usually a problem with Numba itself but instead often caused by
the use of unsupported features or an issue in resolving types.

这支持@jdehesa提供的诊断和修复。这不是numba中的bug，而是您的输入有问题。你知道吗

使用numba的一个缺点是错误更难理解。另一个明显的问题是，它对于诸如这个数组视图之类的输入没有那么灵活。如果你真的想要速度上的优势，你需要愿意自己去挖掘错误信息。你知道吗