python - 为什么在Python中将一个变量的值分配给另一个变量会保存在内存中？

Question

我是 python 新手，以前使用过 Matlab，对 python 中的变量有一些困惑。

我正在尝试用 python 重写 Matlab 代码，这就是发生困惑的地方。假设我有以下情况:

>>> A = np.array([[1,2,3],[4,5,6]])
>>> out = np.array([[True, False, True],[False, True, False]])
>>> 
>>> B = A
>>> 
>>> B[out] = A[out]+1
>>> 
>>> B
array([[2, 2, 4],
       [4, 6, 6]])
>>> A    
array([[2, 2, 4],
       [4, 6, 6]])

在 Matlab 中，同一段代码 A 不会改变，但在 python 中却会改变。任何人都可以解释为什么以及避免 A 发生变化的最佳方法是什么？

代码图像:why assigning A to B is kept in the flow?

Answer 1

通过做

B = A

您正在创建对同一对象A的另一个引用，因此A引起的所有更改都将自动反射(reflect)在B中。在这种情况下复制列表/数组的正确(几种)方法

B = A[::]

或

B = A.copy()

通过这种方式，您可以将元素复制到列表变量中，无需创建指向原始变量A的指针，从而将它们与软内存地址解耦。

正如 Jon Clements 所指出的,

[::] 表示开始，以步长 1 结束，表示 [0:len(obj):1] 而 [:] 表示 [:len(obj)]，其中 obj 是您的对象。

正如下面@Patrick所指出的，如果你A是一个numpy矩阵，你也可以这样做

 B = np.copy(A)