import numpy as np
def f(x):
x /= 10
data = np.linspace(0, 1, 5)
print data
f(data)
print data
我的系统输出（debian 8，Python 2.7.9-1，numpy 1：1.8.2-2）
[ 0. 0.25 0.5 0.75 1. ]
[ 0. 0.025 0.05 0.075 0.1 ]
通常情况下，我希望data在传递给函数时保持不变，因为它有自己独立的命名空间。但是当数据是一个numpy数组时，函数会全局更改data。
这是一个功能，一个错误还是我可能错过了一些东西？使用自定义绘图功能自动缩放数据时，应该如何避免这种行为？
更新 （请参阅Kevin J. Chase的答案了解更多详情）
import numpy as np
def f(x):
print id(x)
x = x/10
print id(x)
data = np.linspace(0, 1, 5)
print id(data)
print data
f(data)
print data
我的系统输出（debian 8，Python 2.7.9-1，numpy 1：1.8.2-2）
48844592
[ 0. 0.25 0.5 0.75 1. ]
48844592
45972592
[ 0. 0.25 0.5 0.75 1. ]
使用x = x/10代替x /= 10解决了我的问题。
nice和short x /= 10语句的行为实际上很大程度上取决于x 的类型。如果x是不可变的，它会重新绑定，否则会发生变异。
它不等同于总是重新绑定的x = x/10。
numpy数组是一个可变对象。
答案 0 :(得分：3)
函数中的通常情况下，我希望数据在传递给函数时保持不变，因为它有自己独立的命名空间。
x和模块级别的data是相同对象的两个名称。由于该对象是可变的，因此对其进行的任何更改都将被视为＆＃34;无论使用哪个名称来引用该对象。命名空间无法保护您。
x /= 10将NumPy数组的每个元素除以10.原始数据在此行执行后消失。如果您再次运行f(data)几次，则每次都会发现内容越接近0.0。
列表是一个更为常见的相同效果的例子：
l = list(range(4))
print(l)
# [0, 1, 2, 3]
l += [4]
print(l)
# [0, 1, 2, 3, 4]
为了更好地了解这类事情（包括相关问题），我推荐Ned Batchelder的“Facts and Myths about Python Names and Values”（26分钟video from PyCon US 2015）。列表的例子＆＃34;添加＆＃34;开始大约10分钟。
/和/=（和类似的运算符对）做不同的事情。教程经常声称这两个操作是相同的：
x = x / 10
x /= 10
......但他们并非如此。有关详细信息，请参阅The Python Language Reference，3.3.7. Emulating Numeric Types。
/在两个对象之一上调用__truediv__（或者可能是__rtruediv__ ---另一天的主题）方法，将另一个对象作为参数：
# x = x / 10
x = x.__truediv__(10)
通常，这些方法会返回一些新值而不会更改旧值。这就是data x / 10未改变的原因，但id(x)已更改--- x现在称为新对象，而不再是{{1}的别名}。
data调用一种完全不同的方法，/=用于＆＃34;就地＆＃34;操作：
__itruediv__ 这些方法通常会修改对象，然后返回# x /= 10
x = x.__itruediv__(10)
。这解释了为什么self未更改和为什么id(x)的内容已更改--- data和x仍然是一个而且只有对象。从我上面链接的文档：
这些方法应该尝试就地执行操作（修改
data）并返回结果（可能是，但不一定是self）。如果未定义特定方法，则增强赋值将回退到常规方法[意为self和族--- KJC ]。
如果你看一下不同数据类型的方法，你会发现它们并不支持所有这些。
__add__表明整数缺少就地方法，这不应该令人惊讶，因为它们是不可变的。
dir(0)只显示两种就地方法：dir([])和__iadd__ ---您无法从列表中划分或减去，但您可以在-place添加另一个列表，您可以将它乘以整数。 （同样，这些方法可以用他们的论点做任何他们想做的事情，包括拒绝他们...... __imul__不会取整数，而list.__iadd__会拒绝列表。）
list.__imul__基本上显示了算术，逻辑和按位方法的 all ，每个方法都是正常的和就地的。 （它可能会遗漏一些 - 我并没有全部计算它们。）
最后，重新重申一下，当调用方法时这些对象所处的命名空间绝对没有区别。在Python中，数据无范围 ...如果您有引用它，则可以在其上调用方法。 （来自Ned Batchelder的演讲：变量有一个范围，但没有类型;数据有类型，但没有范围。）