Question

import numpy as np
a = np.array([[0, 1, 2],
              [0, 1, 2],
              [1, 1, 2]])

a[[0, 1]] = 100  # Changed
print(a)
a[[0, 1]][0, 0] = 98  # Not Changed
print(a)
a[0:2][0, 0] = 99  # Changed
print(a)

输出为：

# first
[[100 100 100]
[100 100 100]
[  1   1   2]]

# second
[[100 100 100]
[100 100 100]
[  1   1   2]]

# third
[[ 99 100 100]
[100 100 100]
[  1   1   2]]

那么，为什么第二种方法没有更改数组，而第一种和第三种方法起作用呢？我用谷歌搜索了很多答案，但我还是不明白。

Answer 1

这很复杂。

基本上，情况1和2是advanced indexing，情况3是基本索引。高级索引状态的NumPy文档为：

高级索引总是返回数据的副本（与返回视图的基本切片相反）。

所以我们已经知道情况2和3之间的区别。情况2基本上等同于

b = a[[0, 1]]
b[0, 0] = 98

由于高级索引创建了副本，因此b不再链接到a，并且更改也不会反映出来。在第3种情况下，我们有

b = a[0:2]
b[0, 0] = 99

其中b现在是a（基本索引）的视图，因此b 的变化反映在a中。

>

那么情况1发生了什么？

本质区别是您不能将其拆分为分配b = ...和后续的setitem操作。相反，您直接对索引上的结果执行setitem，但不会创建副本（仅getitem用于副本）。因此，我们得到了与案例2相同的行为。

以下说明了这一点：

案例1 等同于

setitem(a, [0, 1], 100)  # operates directly on a

案例2 等同于

setitem(
    getitem(a, [0, 1]),  # this is a copy
    [0, 0],
    98
)

python索引不会更改numpy数组

1 个答案:

那么情况1发生了什么？