Question

我已经使用numpy已有一段时间了，但偶然发现了我不完全了解的一件事：

a = np.ones(20)
b = np.zeros(10)

print(id(a)==id(b))          # prints False
print(id(a), id(b))          # prints (4591424976, 4590843504)

print(id(a[0])==id(b[0]))    # prints True 
print(id(a[0]), id(b[0]))    # prints (4588947064, 4588947064)

print(id(a[0]))              # 4588947184
print(id(b[0]))              # 4588947280

有人可以解释一下最近四个打印语句中观察到的行为吗？另外，我知道id为您提供了实际上在内存中分配的唯一对象ID的事实，但是每次我运行最后两个打印语句时，我都会得到不同的id值。这是预期的行为吗？

Answer 1

简短的答案是，您应该忘记依赖id来尝试深入了解python的工作原理。其输出受cpython实现细节，窥孔优化和内存重用的影响。 id通常是红色鲱鱼。对于numpy尤其如此。

在您的特定情况下，只有a和b作为python对象存在。当您使用元素a[0]时，您将实例化一个新的python对象，类型为numpy.float64（或者取决于系统，numpy.float32）的标量。这些是新的python对象，因此被赋予了新的id，除非解释器意识到，否则您将尝试使用该对象两次（这可能是中间示例中发生的情况，尽管我确实感到惊讶，两个具有不同值的numpy.float64对象被赋予相同的id，但是如果先为专有名称分配a[0]和b[0]，那么奇怪的魔术就消失了，因此这可能是由于进行了一些优化）。内存地址也有可能被解释器重用，从而给您id个以前出现过的地址。

仅查看numpy的id毫无意义，即使琐碎的视图也是具有新id的新python对象，即使它们在所有目的和用途上都与原始的一样好

>>> arr = np.arange(3)

>>> id(arr)
140649669302992

>>> id(arr[...])
140649669667056

这是id在交互式外壳中重用的示例：

>>> id(np.arange(3))
140649669027120

>>> id(np.arange(3))
140649669028480

>>> id(np.arange(3))
140649669026480

对于numpy数组，肯定没有int interning这样的东西，因此以上内容仅是由于解释器重用了id s。 id返回一个内存地址的事实再次只是一个cpython实现细节。忘记id。

您可能只想将numpy与numpy.may_share_memory和numpy.shares_memory一起使用。

Answer 2

请务必注意，Python中的所有内容都是对象，甚至是数字和类。您已获取2个numpy数组对象，每个对象都包含相同的值，即0。当你说：

print('id of 0 =',id(0))

a = 0
print('id of a =',id(a))

b = a
print('id of b =',id(b))

c = 0.0
print('id of c =',id(c))

得到的答案类似（您的情况不同）

id of 0 = 140472391630016
id of a = 140472391630016
id of b = 140472391630016
id of c = 140472372786520

因此，整数0具有唯一的ID。整数0的ID在生存期内保持不变。浮动0.0和其他对象的情况与此类似。因此，在您的情况下，a[0]或b[0]的对象ID为零将一直保持不变，直到或除非它是有效的，否则因为它们都包含0作为对象值。每次在不同的行中打印a[0]或b[0]时，都会返回不同的对象标识，因为您在不同的行触发了它，因此生命周期也不同。您可以尝试：

print(id(a)==id(b))
print(id(a),id(b))
print(id(a[0])==id(b[0]))
print(id(a[0]),id(b[0]))

输出将是：

False
2566443478752 2566448028528
True
2566447961120 2566447961120

请注意，第二行将返回给您2个不同的numpy数组类型对象的标识，因为它们都是不同的列表。

比较两个Numpy数组的对象ID

2 个答案: