Question

这是一个错误还是一个功能？

import numpy as np
a=b=c=0
print 'a=',a
print 'b=',b
print 'c=',c

a = 5
print 'a=',a
print 'b=',b
print 'c=',c

b = 3
print 'a=',a
print 'b=',b
print 'c=',c

x=y=z=np.zeros(5)
print 'x=',x
print 'y=',y
print 'z=',z

x[2]= 10
print 'x=',x
print 'y=',y
print 'z=',z

y[3]= 20
print 'x=',x
print 'y=',y
print 'z=',z

代码的输出显示numpy初始化是彼此的克隆，而python倾向于将它们视为独立变量。

a= 0
b= 0
c= 0
a= 5
b= 0
c= 0
a= 5
b= 3
c= 0
x= [ 0.  0.  0.  0.  0.]
y= [ 0.  0.  0.  0.  0.]
z= [ 0.  0.  0.  0.  0.]
x= [  0.   0.  10.   0.   0.]
y= [  0.   0.  10.   0.   0.]
z= [  0.   0.  10.   0.   0.]
x= [  0.   0.  10.  20.   0.]
y= [  0.   0.  10.  20.   0.]
z= [  0.   0.  10.  20.   0.]

我希望问题很清楚。这是numpy中的错误还是一个功能？

此致

Answer 1

这不是一个bug，它不是关于numpy初始化，这是一个python的事情，检查x，y和amp;的id在你的情况下，z指向相同的元素

您的代码正在做的是在同一行中进行多次初始化，当发生这种情况时，只创建了一个对象，并且所有变量都引用相同的。

请参阅以下示例，重新绑定有助于...

In [19]: a=b=[1,2,3]

In [20]: a
Out[20]: [1, 2, 3]

In [21]: b
Out[21]: [1, 2, 3]

In [22]: a[1]
Out[22]: 2

In [23]: a[1] = 99

In [24]: a
Out[24]: [1, 99, 3]

In [25]: b
Out[25]: [1, 99, 3]

In [26]: id(a)
Out[26]: 27945880

In [27]: id(b)
Out[27]: 27945880

In [28]: a = a[:]   # This is Rebinding 

In [29]: a
Out[29]: [1, 99, 3]

In [30]: id(a)
Out[30]: 27895568  # The id of the variable is changed

Answer 2

这不是一个笨拙的东西，它是一个标准的Python东西。列表也会出现同样的情况：

>>> a = b = []
>>> a.append(5)
>>> a
[5]
>>> b
[5]
>>> a[0] = 10
>>> a
[10]
>>> b
[10]

执行此操作时：

>>> a = 5

您将名称“a”重新绑定到另一个对象 - 但是当您执行切片分配时，您将修改现有对象的一部分。

Answer 3

这不是numpy的问题，这是一个典型的Python特性：一切都是对象，但有些对象是可变的，有些则不是。

因此，如果您执行x=y=z=["foo", "bar"]，则将完全相同的对象绑定到三个变量。这意味着如果您通过改变引用的列表来更改x，则也会更改y和z所指向的对象。

Python numpy bug或功能

3 个答案: