V
@inline @generated function literal_pow(f::typeof(^), x, ::Val{p}) where {p}
if p < 0
:(literal_pow(^, inv(x), $(Val{-p}())))
else
:(f(x,$p))
end
end
if p < 0
:(literal_pow(^, inv(x), $(Val{-p}())))
else
:(f(x,$p))
end
end
Size: a a a
2019 February 23
KT
Да, красиво просто обошли: и type stability не нарушена, и удобную запись вернули
2019 February 24
KT
Прогал на питоне 3 часа и вспомнил, за что я его невзлюбил так )
KT
Кому в голову пришло, что транспонирование вектора формы (n, ) — это тот же самый вектор?
KT
Это самая бездарная дурь, которая только могла в голову прийти, этому есть рациональные объяснения?
KT
и почему сложение вектора (n, 1) и вектора (n,) дает матрицу (n, n) ??
AZ
Это самая бездарная дурь, которая только могла в голову прийти, этому есть рациональные объяснения?
Ну, очевидно, чтобы одномерный np.array не становился внезапно двумерным
GC
видимо к каждому элементу вектора прибавляется другой вектор целиком
KT
Зато если я хоть один раз забуду сделать reshape(-1, 1), то моя жизнь превратится в кошмар, потому что он втихую будет делать broadcast, пока всё совершенно не запорет
GC
ну это похоже на девиз пайтона немного :ь
KT
Почему бы не интерпретировать массивы (n,) как (n,1) массивы по умолчанию?
AZ
Почему бы не интерпретировать массивы (n,) как (n,1) массивы по умолчанию?
Видимо, чтобы не было такого, что (n, n) надо было интерпретировать как (n, n, 1) по умолчанию - и т.д., не?
KT
Зачем (n, n) интерпретировать как (n, n, 1)?
В какой ситуации (n,) принципиально лучше, чем (n, 1)?
В какой ситуации (n,) принципиально лучше, чем (n, 1)?
KT
Т.е. зачем вообще нужен (n, ) ? Непонятно
AZ
Ну вот я сделал, допустим, из списка
np.arrayAZ
Раньше я запрашивал у него элемент по одному индексу
AZ
А теперь надо по двум, по идее
KT
Непонятно, почему так получается, и почему в Julia это как-то обошли, потому что в Julia нет вообще такой вещи, как (n,)
Я просто пытаюсь разницу понять, почему тут можно, а там нельзя
Я просто пытаюсь разницу понять, почему тут можно, а там нельзя
AZ
>>> al = [1, 2, 3, 4]
>>> np.array(al)
array([1, 2, 3, 4])
>>> x = np.array(al)
>>> x[1]
2
>>> x = np.array([al])
>>> x[1]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
IndexError: index 1 is out of bounds for axis 0 with size 1
>>> x[0][1]
2