在 numpy 中，q1 = p[:] 而不是 q1 = p，但是当我修改 q1 时 p 被修改了？

Question

我对在 Python 中复制 Numpy 数组的工作方式感到困惑。我从以下几点开始：

import numpy as np
p = np.array([1.0, 0.0, 1.0, 0.3])

然后我尝试使用以下三种方法制作 p 的“副本”：

q = p
q1 = p[:]
q2 = p.copy()

现在我执行q1[2] = 0.2，然后检查 q、q1 和 q2 的值。我惊讶地发现 p、q 和 q1 都变成了array([1.0, 0.0, 0.2, 0.3])，而只有 q2 保持不变。我也曾经id()检查过所有四个变量（p、q、q1、q2）的地址，并且已经确认id(p) = id(q)，但是id(q1) != id(p).

我的问题是，如果id(q1) != id(p)，q1 的修改如何改变 p 和 q？谢谢！

Answer 1

Numpy的文档指出：

基本切片生成的所有数组始终是原始数组的视图。

因此，q1你的情况是一个视图中p，并反映所做的更改p。

Answer 2

因为您使用的是简单的切片操作，所以 numpy 将使用数组结果切片的共享内存视图。在本例中它是整个数组。它们被不同的Python对象引用，但底层的numpy数组是相同的。 q1只是引用的同一数组的视图p。

您可以使用检查这一点np.shared_memory。

import numpy as np
p = np.array([1.0, 0.0, 1.0, 0.3])

q1 = p[:]

np.shares_memory(p, q1)
# returns:
True

当切片不属于整个数组时也是如此。例如：

p = np.array([1.0, 0.0, 1.0, 0.3])

q2 = p[1::2]
print(q2)
#prints:
[0.  0.3]

# setting a value of q2 changes p
q2[0] = 10.0
p
# returns:
array([ 1. , 10. ,  1. ,  0.3])