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]])
最佳答案
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。
关于python - numpy 数组赋值问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3059395/