numpy数组赋值问题

Question

我在Numpy的Python 2.6.5中遇到了一个奇怪的问题.我分配一个numpy数组,然后将一个新变量等同于它.当我对新数组执行任何操作时,原始值也会更改.这是为什么？请参阅下面的示例.请启发我,因为我对Python很新,而且编程一般.

-Sujan

>>> import numpy as np
>>> a = np.array([[1,2],[3,4]])
>>> b = a
>>> b
array([[1, 2],
       [3, 4]])
>>> c = a
>>> c
array([[1, 2],
       [3, 4]])
>>> c[:,1] = c[:,1] + 5
>>> c

array([[1, 7],
       [3, 9]])
>>> b
array([[1, 7],
       [3, 9]])
>>> a
array([[1, 7],
       [3, 9]])

Answer 1

这根本不是问题; 这是数组(和其他对象)在Python中的工作方式.

可以这样考虑:您在代码示例中创建的数组是位于内存中某个位置的对象.但是你不能在你的程序中使用它,告诉Python在内存中去哪里寻找它; 你必须给它一个名字.当你写作

a = np.array([[1,2],[3,4]])

你是在创建数组并创建一个a引用它的名称.从那时起,Python知道它a指的是"内存地址0x123674283"(或其他).Python运行时中有一个内部表(如果我没记错的话,称为"符号表"),它包含所有这些信息,所以在上面的Python代码行运行之后,这个表将包含

...,
'a' : 0x123674283,
...

当您将一个变量的值分配给另一个变量时,例如

b = a

Python不会复制整个数组,因为如果它是一个大数组,则需要很长时间.相反,它转到符号表并将内存地址复制到表a中的新行b.所以你结束了

...,
'a' : 0x123674283,
...,
'b' : 0x123674283,
...

所以你看,a并且b实际上是指内存中的相同位置,即同一个对象.您对其中的任何更改都会反映在另一个中,因为它们只是同一个事物的两个名称.

如果要实际制作数组的副本,则必须调用方法来显式执行此操作.Numpy数组有一个copy方法,您可以将其用于此目的.所以,如果你写

b = a.copy()

那么Python将首先实际制作一个数组的副本 - 也就是说,它会留出一个新的内存区域,假设在地址0x123904381​​,然后转到内存地址0x123674283并从内存的后一部分复制该数组的所有值对前者.因此,您在内存中的两个不同位置拥有相同的内容.

...,
'a' : 0x123674283,
...,
'b' : 0x123904381,
...

现在,当您更改其中一个元素时b,该更改将不会显示a,因为a并且b不再引用计算机内存的相同部分.由于阵列数据有两个独立的副本,您可以更改一个而不影响另一个.