Question

如果你在Python中创建一个类：

 import numpy as np
 class Foo:

    def __init__(self, data):
        self.data = data 
        self.data_copy = self.copy(self.data)

    def copy(self, data):
        a = []
        for e in data:
            a.append(e)
        return a

    def change(self, val):
        for i in range(0, len(self.data_copy)):
            self.data_copy[i] += val

然后创建类的实例，例如：

a = Foo([np.matrix([1,2,3]), np.matrix([5,6,7])])

现在，如果我们调用a.change(np.matrix([5,5,2]))函数，该函数只应修改self.data_copy列表，self.data列表也会随更改一起更新。看来，即使在制作新列表之后，两个列表中的Numpy矩阵仍然保持联系。

这在某些方面是一个很好的功能，但如果我传入一个普通的Python数字列表，它就不起作用。这是一个错误，还是Numpy矩阵被复制的副作用？如果是这样，用普通Python列表复制行为的最佳方法是什么？

Answer 1

当您进行“复制”时，您只需创建一个包含与旧列表相同对象的新列表。也就是说，当您遍历data时，您正在迭代对其中对象的引用，并且当您追加e时，您将附加引用而不是新对象或复制对象。因此，对这些对象的任何更改都将在引用它们的任何其他列表中可见。看起来你想要的是实际矩阵的副本。要执行此操作，请在copy方法中添加e之类的numpy.array(e, copy=True)，而不是附加copy。这将创建矩阵的真实副本，而不仅仅是对旧矩阵的新引用。

更一般地说，Python对象实际上总是通过引用传递。这对于不可变对象（字符串，整数，元组等）无关紧要，但对于可以变异的列表，字典或用户定义的类，您需要制作显式副本。通常内置的+=模块，或者只是直接从旧模块构建一个新对象，就是你想要做的。

编辑：我现在明白你的意思了。我稍微误解了你原来的问题。你指的是= self + other改变矩阵对象而不是真正的+=。这只是+=如何适用于大多数Python集合类型的事实。 a = [1, 2, 3] b = a b += [4] >>> print(a) [1, 2, 3, 4]实际上是一个单独的方法，与分配添加结果不同。您仍会在普通的Python列表中看到这种行为。

+=

您可以看到b正在改变原始对象，而不是创建新对象并设置b = b + [4] >>> print(a) [1, 2, 3] >>> print(b) [1, 2, 3, 4]来引用它。但是如果你这样做：

这将具有所需的行为。集合的+=运算符（列表，numpy数组）确实返回了一个新对象，但=SUM((COUNTIF(A2:A209066,A2:A209066)=1)*1)通常只是改变了旧对象。

Python类中的Numpy Matrix表现出链接行为？

1 个答案: