Question

我在Numpy的Python 2.6.5中遇到了一个奇怪的问题。我分配一个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，原始值也会更改。这是为什么？请参阅下面的示例。请启发我，因为我对Python和新编程都很陌生。

-Sujan

>>> 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：你在代码示例中创建的数组是位于内存中某个位置的对象。但是你不能在你的程序中使用它，告诉Python在内存中去寻找它;你必须给它一个名字。当你写

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

你们都在创建数组并创建一个引用它的名称a。从那时起，Python知道a引用“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”），其中包含所有这些信息，因此在上面的Python代码行运行后，该表将包含

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

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相同位置，即同一个对象。您对其中的任何更改都会反映在另一个中，因为它们只是同一个事物的两个名称。

如果您想要实际制作数组的副本，则必须调用一个方法来明确地执行此操作。 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会首先实际制作一个数组的副本 - 也就是说，它会留出一个新的内存区域，比方说地址为0x123904381​​，然后转到内存地址0x123674283并从后者复制数组的所有值对前者的记忆部分。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的其中一个元素时，该更改将不会显示在a中，因为a和b不再引用计算机内存的同一部分。由于阵列数据有两个独立的副本，因此您可以更改一个而不影响另一个。

Answer 2

简而言之，变量赋值会创建对现有对象的新引用。

  A = object   # A points to object in memory
  B = A        # B points to the same object