Question

为什么子部分数组会通过单独替换影响主数组，但在向量化时不会影响主数组？

例如，如果代码是：

import numpy as np

Z =np.array( 
    [[0,4,0,0,0,0],
     [0,0,0,1,0,0],
     [0,1,0,1,0,0],
     [0,0,1,1,0,0],
     [0,0,0,0,0,0],
     [0,0,0,0,0,0]])
print Z

X= Z[1:4,0:3]
X[0][0]=9
print X
print Z  #<=== X affects Z
X=X*3+1
print X
print Z  #<=== X do not affect Z

Answer 1

那是因为切片Numpy数组会返回原始数组的视图，因此修改它也会影响原始数组。

来自docs：

基本切片生成的所有数组始终是原始数据的views 阵列。

Answer 2

X = X * 3 + 1不修改原始数组，因为它不会就地修改X。

想象：

Y = X * 3 + 1

你不会指望这会改变原来的阵列，对吗？ X = X * 3 + 1是同一种表达方式。它不会更改X本身，它只是将局部变量X的值更改为全新的数组。

如果要修改原始数组，可以执行以下操作：

X *= 3
X += 1

这将在X的内部运作，因此会更改Z。

Answer 3

正如Ashwini Chaudhary所提到的，切片Numpy数组会返回原始数组的视图，但是当你运行X=X*3+1时，X再也不是Z的视图了，X的引用已更改，因此即使运行X*=3之后也不会更改Z

子部分数组通过单独替换影响主数组，但在向量化时不影响主数组

3 个答案: