python - numpy 数组赋值问题

Question

我在使用 Numpy 的 Python 2.6.5 中有一个奇怪的问题。我分配了一个 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，原始值也会发生变化。这是为什么？请看下面的例子。请赐教，因为我对 Python 和一般编程都很陌生。

-苏扬

>>> 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

这实际上根本不是问题；这是数组(和其他对象)在 Python 中的工作方式。

这样想:您在代码示例中创建的数组是一个位于内存中某个位置的对象。但是你不能在你的程序中通过告诉 Python 在内存中去哪里寻找它来使用它；你必须给它一个名字。当你写

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

您既要创建数组，又要创建一个名称，a，它引用它。从那时起，Python 就知道 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”)包含所有这些信息，因此在上述 Python 代码行运行后，该表将包含

...,
'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 a 的内存地址复制到 b 表中的新行。所以你结束了

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

所以你看，a 和 b 实际上指的是内存中的同一个位置，即同一个对象。您对其中一个所做的任何更改都会反射(reflect)在另一个上，因为它们只是同一事物的两个名称。

如果您想实际制作数组的副本，您必须调用一个方法来显式地执行此操作。 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()

然后 Python 将首先实际制作数组的副本——也就是说，它留出一个新的内存区域，比如地址 0x123904381​​，然后转到内存地址 0x123674283 并从后者复制数组的所有值一段内存到前。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 b 的元素之一时，该更改不会显示在 a 中，因为 a 和 b 不再指代计算机内存的同一部分。由于数组数据有两个独立的副本，您可以更改一个而不影响另一个。