理解numpy中的内存分配：将操作结果存储到变量[：，：]时是否分配了“临时”内存？

Question

假设两个大的多维numpy数组a和b。我想执行元素操作，例如，逐个元素添加它们：

c = a + b

在上述情况下，为a + b的结果分配新的内存。然后，对该内存的引用存储在c。你知道吗

现在，假设已经为c分配了内存。为了得到一个简单的示例，我将维度数设置为2，可以执行以下操作：

c[:, :] = a + b

我找不到任何关于如何准确执行上述内容的文档。我可以想象两种方式：

1. 首先，分配内存来执行操作a + b。在数据即操作结果被复制到c[:, :]之前，结果被存储到这个“临时”存储器中。你知道吗
2. 没有分配临时内存。a + b的结果直接进入c[:, :]。你知道吗

我玩了一些代码-我可能完全错了-从性能角度看，第一种选择更有可能。我说得对吗？如果是这样，我如何避免分配“临时内存”并将结果直接存储到c中已有的内存中？我想我必须更加明确，使用像numpy.add这样的函数，并向它们提供对目标内存的引用。你知道吗

Answer 1

你要找的手术是

numpy.add(a, b, out=c)

对于c[:, :] = a + b，a + b的求值没有关于结果将被分配给c[:, :]的信息。它必须分配一个新数组来保存a + b的结果。你知道吗

（NumPy的最新版本确实尝试执行一些C-level stack inspection来积极地优化临时性，超出Python执行模型通常允许的范围，但是这些优化不能处理这种情况。您可以在^{}中看到代码，包括一些关于它在什么平台上工作以及为什么Python堆栈检查不够的注释。）