NumPy数组分配问题

Question

我在Python 2.6.5中使用Numpy遇到了一个奇怪的问题。我先将一个numpy数组赋值给一个变量，然后再将一个新变量赋值为原变量。当我对新数组进行任何操作时，原始数组的值也会发生改变。为什么会这样？请看下面的示例。由于我对Python和编程一般都不太熟悉，所以请给我指点迷津。

-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]])

- Sujan

---

这回答您的问题吗？赋值后列表意外更改。为什么会这样，我该如何防止？ - Thomas Weller

Answer 1

这实际上完全不是问题，这是Python中数组（和其他对象）的工作方式。

可以这样考虑：你在代码示例中创建的数组是一个对象，它位于内存中的某个位置。但是你不能通过告诉Python在内存中哪里查找它来在程序中使用它，你必须给它一个名称。当你写下

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

你既创建了数组，又创建了一个名字 a 来引用它。从那时起，Python 就知道 a 指向"内存地址0x123674283"（或其他地址）。在 Python 运行时有一个内部表格（如果我没记错的话称为 "符号表"），其中包含所有这些信息，因此在上述 Python 代码运行后，该表格将包含：

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

当你将一个变量的值赋给另一个变量时，如下所示：

b = a

Python并没有复制整个数组，因为如果数组很大的话，会花费很长时间。相反，它会去符号表中将 a 的内存地址复制到 b 表的一个新行中。这样你最终得到的是：

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

因此，你可以看到，a和b实际上是指向内存中相同的位置，也就是同一个对象。由于它们只是同一物体的两个名称，任何对其一个的更改都会反映在另一个上。

如果你想真正地复制数组，你必须显式调用一个方法来完成这个任务。Numpy数组有一个copy方法，你可以用它来实现这个目的。所以，如果你写:

b = a.copy()

那么Python首先会实际复制该数组 - 也就是说，它会设置一个新的内存区域，比如在地址0x123904381处，然后从内存地址0x123674283处复制数组的所有值到前面的内存中。因此，您拥有相同的内容同时存在于内存的两个不同位置。

...,
'a' : 0x123674283,
...,
'b' : 0x123904381,
...

现在，当您更改b中的一个元素时，该更改不会显示在a中，因为a和b不再引用计算机内存的同一部分。由于数组数据有两个独立的副本，您可以更改一个而不影响另一个。

- David Z

---

非常感谢你出色的描述。毫无疑问，这解决了问题，但我非常感激你花时间解释事情。你让我受益匪浅！ - Sujan

Python不会复制整个数组，因为如果它是一个大数组，那么这将需要很长时间。我认为这与所需的时间少了一些关系，更多的是如果您不以这种方式实现，您需要引入像单独的指针类型之类的东西，而这些会使事情变得复杂。 - user2357112

使用C++语言，b = a 是一个指针赋值，而不是值的赋值。 - bscout11

Answer 2

简单来说，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

- MasterControlProgram