Python中inplace、subset参数的意义及说明
作者:quantLearner
Python中inplace、subset参数的意义
在Python使用中,很多函数都会有inplace这个参数。
df.drop(['CLOSE'],axis=1,inplace=True)
Inplace = True意思就是df.drop()函数执行完之后,直接赋值给df这个对象,如果Inplace = False则df.drop()只是执行了drop()这个函数,但是并没有将执行后的结果返回给df这个对象,也就是如果此时print(df)还是跟原来一样。
subset = ['col1','col2'...]
subset指的是限定函数作用范围,只在[‘col1’,‘col2’…]列内
激活函数nn.ReLU(inplace=True)中inplace的作用
nn.ReLU(inplace=True)
参数inplace=True:
inplace为True,将计算得到的值直接覆盖之前的值
inplace:can optionally do the operation in-place. Default: False
注: 产生的计算结果不会有影响。利用in-place计算可以节省内(显)存,同时还可以省去反复申请和释放内存的时间。但是会对原变量覆盖,只要不带来错误就用。
例如:x = x+1
即对原值x进行+1操作后得到的值,直接赋值给x,而不是如下找一个中间变量y:
- y=x+1
- x=y
先将x进行+1操作后赋值给中间变量y,然后将y值赋给x
这样就需要内存存储变量y
因此当inplace=True时:
就是对从上层网络nn.Conv2d中传递下来的tensor直接进行修改,这样能够节省运算内存,不用多存储其他变量。
python pandas中inplace分析
pandas中很多函数都有inplace参数,他们都作是否修改传入数据的意思,为True时就是修改。但inplace还封装了一个作用,就是复制,在赋值的时候,其实赋值就是一种复制,inplace为True的时候,不进行复制操作。
inplace还有一个意义就是原对象不迁移,属于不将映射转到其他变量或对象上。但为false的时候可以复制,赋值到的那个对象保留了原对象执行函数的一种映射,但不会改变原对象。
所以这种方式就是为了保留原来数据的一种便捷方式,不用多次赋值来避免原来的对象改变又能得到一个长期的映射。
inplace这个参数设置好之后,即使是提前设置了原对象和新对象的浅复制,也一样不可撼动其执行效果,df1=df
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。