使用Numpy数组和列表进行多次赋值,这是一个奇怪的例子

Question

考虑多重分配x[0],y = y,x[0].应用于以下四种情况中的每一种情况,这给出了四种不同的结果.

• 情况1:

  x = [[1,2], [3,4]]
  y = [5,6]
  

  给

  x = [[5,6], [3,4]]
  y = [1,2]
  

• 案例2:

  x = np.array([[1,2], [3,4]])
  y = [5,6]
  

  给

  x = array([[5,6], [3,4]])
  y = array([5,6])
  

• 案例3:

  x = [[1,2], [3,4]]
  y = np.array([5,6])
  

  给

  x = [array([5,6]), [3,4]]
  y = [1,2]
  

• 案例4:

  x = np.array([[1,2], [3,4]])
  y = np.array([5,6])
  

  给

  x = array([[5,6], [3,4]])
  y = array([5,6])
  

看起来列表的多重分配比Numpy阵列的多重分配更智能(自动通过临时变量).

思考？

编辑:事后并不聪明......

Answer 1

这里唯一令人惊讶的案例应该是2和4:

x = np.array([[1,2], [3,4]])
y = np.array([5,6])  # or [5, 6]

给

x = array([[5,6], [3,4]])
y = array([5,6])  # where did the 1 and 2 go?

由于其他人只是围绕数据类型进行交换,但保持相同的值.

使用numpy时的不同之处在于x[0]返回视图而不是副本.因此,即使在元组赋值中写出临时语句也会失败:

temp = x[0]
x[0] = y
y = temp

因为temp视图始终是相同的x[0],而不是该x[0]时间点的值的副本.

为了使这个工作适用于numpy案例,你应该使用 x[0],y = y,x[0].copy()