使用Numpy数组和列表进行多重赋值，一个有趣的例子

Question

考虑多重赋值x[0],y = y,x[0]。应用于以下四种情况中的每一种，都会得到四个不同的结果。

• Case 1:

  x = [[1,2], [3,4]]
  y = [5,6]
  

  gives

  x = [[5,6], [3,4]]
  y = [1,2]
  

• Case 2:

  x = np.array([[1,2], [3,4]])
  y = [5,6]
  

  gives

  x = array([[5,6], [3,4]])
  y = array([5,6])
  

• Case 3:

  x = [[1,2], [3,4]]
  y = np.array([5,6])
  

  gives

  x = [array([5,6]), [3,4]]
  y = [1,2]
  

• Case 4:

  x = np.array([[1,2], [3,4]])
  y = np.array([5,6])
  

  gives

  x = array([[5,6], [3,4]])
  y = array([5,6])
  

看起来Python中列表的多重赋值比Numpy数组的多重赋值更加智能（会自动通过一个临时变量进行操作）。

有什么想法吗？

编辑：实际上并不比Numpy数组的多重赋值更智能...

- Gioker

---

看起来，列表的多重赋值比NumPy数组的多重赋值更加智能（自动通过临时变量）。为什么？当将值分配到NumPy数组时，它会变成NumPy数组的一部分。 - Scimonster

Answer 1

这里唯一令人惊讶的情况应该是2和4:

x = np.array([[1,2], [3,4]])
y = np.array([5,6])  # or [5, 6]

提供

x = array([[5,6], [3,4]])
y = array([5,6])  # where did the 1 and 2 go?

由于其他人只是在不同数据类型之间进行交换，但保留相同的值。

使用numpy时的不同之处在于x [0]返回一个视图而不是副本。因此，即使在元组赋值中明确写出临时变量也会失败：

temp = x[0]
x[0] = y
y = temp

因为temp是一个视图，它始终与x [0]相同，而不是在那个时间点上x [0]的值的副本。

为了使numpy情况下的代码正常工作，您应该使用x [0]，y = y，x [0] .copy()

- Eric

---

嗯，是的，2和4是有趣的，但为了完整起见，我把它们全部加上了。 - Gioker

Answer 2

x[0],y = y,x[0]

等于

t = x[0]
x[0] = y
y = t

正如@Scimonster所指出的，

当将值赋给Numpy数组时，它会成为Numpy数组的一部分。

因此这是正常行为。

- gzc

---

这两个代码块并不真的相等。并没有创建临时变量 t；内部将 y 和 x[0] 推入堆栈，进行反转，然后再弹出并赋值。这两种方法可能导致不同的结果。 - Alex Riley

@ajcr：除了名称“t”被覆盖之外，您能构造出结果确实不同的情况吗？ - Eric

@Eric：我想我记错了一些东西，就像我之前遇到的这个问题（现在看来并不涉及临时变量）。我认为应该可以构造一些奇怪的例子，在赋值期间原地改变变量（因此不会改变临时变量），但在我能想出令人信服的东西之前，我将撤回我的先前评论。 - Alex Riley