变量值随首次/二次执行变化的NumPy计算特定问题求助

嘿，这种首次和二次执行结果不一致的问题确实挺挠头的，尤其是搜不到类似案例的时候。咱先从你的代码逻辑入手，拆解下可能的原因和解决办法：

首先，先把你的代码片段规范展示出来，方便定位问题：

import numpy as np

cm = np.array([[65, 4, 22, 24], [6, 81, 5, 8], [0, 11, 85, 19], [4, 7, 3, 90]])
proportions = [0.3, 0.4, 0.1, 0.2]
n = np.sum(cm)
nisum = np.sum(cm, axis=1)
nsumj = np.sum(cm, axis=0)
p_i = np.zeros([cm.shape[0], 1])
p_ii = np.zeros([cm.shape[0], cm.shape[1]])
prod_ac = np.zeros([cm.shape[0], 1])
user_ac = np.zeros([cm.shape[0], 1])
overall_ac = 0
for i in range(cm.shape[1]):
    for j ...  # 这里你的循环逻辑不完整

最可能的原因：全局变量状态残留 #

你定义的p_i、p_ii、prod_ac这些变量都是全局作用域的，首次执行循环时会修改它们的数值；二次执行时，这些变量不会自动重置为初始的全零数组，而是基于上次执行后的结果继续修改，自然会导致值不一样。

针对性解决方案 #

1. 把计算逻辑封装成函数，隔离状态

把所有变量初始化和计算代码放到函数内部，每次调用函数都会重新初始化所有变量，彻底避免状态残留：

import numpy as np

def compute_confusion_metrics():
    # 每次调用都重新初始化所有变量
    cm = np.array([[65, 4, 22, 24], [6, 81, 5, 8], [0, 11, 85, 19], [4, 7, 3, 90]])
    proportions = [0.3, 0.4, 0.1, 0.2]
    n = np.sum(cm)
    nisum = np.sum(cm, axis=1)
    nsumj = np.sum(cm, axis=0)
    p_i = np.zeros([cm.shape[0], 1])
    p_ii = np.zeros([cm.shape[0], cm.shape[1]])
    prod_ac = np.zeros([cm.shape[0], 1])
    user_ac = np.zeros([cm.shape[0], 1])
    overall_ac = 0
    
    # 补全你的完整循环逻辑，这里举个示例（根据你的实际需求调整）
    for i in range(cm.shape[0]):
        for j in range(cm.shape[1]):
            # 比如计算类别i的真实占比
            p_i[i] = nisum[i] / n
            # 计算类别i被预测为j的准确率
            p_ii[i][j] = cm[i][j] / nisum[i] if nisum[i] != 0 else 0
            # 其他自定义计算步骤...
    
    return p_i, p_ii, prod_ac, user_ac, overall_ac

# 第一次执行
first_run = compute_confusion_metrics()
# 第二次执行
second_run = compute_confusion_metrics()

# 验证两次结果是否一致（正常应该返回True）
print(np.array_equal(first_run[0], second_run[0]))

2. 手动重置变量（不推荐，但适合快速测试）

如果暂时不想封装函数，每次执行前手动重新初始化所有会被修改的变量：

# 每次执行前都重置这些变量
p_i = np.zeros([cm.shape[0], 1])
p_ii = np.zeros([cm.shape[0], cm.shape[1]])
prod_ac = np.zeros([cm.shape[0], 1])
user_ac = np.zeros([cm.shape[0], 1])
overall_ac = 0

# 然后执行你的循环逻辑
for i in range(cm.shape[1]):
    for j ...

额外排查方向 #

• 检查是否依赖了外部状态：比如代码里有没有读写文件、调用全局计数器、修改其他模块的变量？如果有，也要确保每次执行前重置这些外部状态。
• 补全循环逻辑：你的for j部分是截断的，要确保循环内部的索引操作（比如i和j的范围）没有越界，赋值逻辑是符合预期的——错误的索引可能会意外修改其他位置的变量值，导致后续执行异常。

内容的提问来源于stack exchange，提问作者Felipe Calleja