Arrays 为什么deepcopy会更改numpy数组的值？

我遇到了一个问题，在使用copy.deepcopy或Numpy.copy复制Numpy数组后，Numpy数组中的值会发生变化。事实上，如果我只是在复制数组之前先打印它，我会得到不同的值

我使用的是Python 3.5、Numpy 1.11.1和Scipy 0.18.0

我的起始数组包含在元组列表中；每个元组都是成对的：一个浮点（一个时间点）和一个numpy数组（该时间点的ODE解决方案），例如：

在本例中，我需要最后一个时间点的数组

当我调用以下命令时：

tandy = c1.IntegrateColony(3)
ylast = copy.deepcopy(tandy[-1][1])
print(ylast)

tandy = c1.IntegrateColony(3)
print(tandy[-1][1])
ylast = copy.deepcopy(tandy[-1][1])
print(ylast)

我得到了一些对我试图模拟的系统有意义的东西：

[7.14923891e-07   7.14923891e-07 ... 8.26478813e-01   8.85589634e-01]

但是，在以下情况下：

tandy = c1.IntegrateColony(3)
ylast = copy.deepcopy(tandy[-1][1])
print(ylast)

tandy = c1.IntegrateColony(3)
print(tandy[-1][1])
ylast = copy.deepcopy(tandy[-1][1])
print(ylast)

我得到全零：

[0.00000000e+00   0.00000000e+00 ... 0.00000000e+00   0.00000000e+00]
[ 0.  0.  ...  0.  0.]

---

我应该补充一点，使用更大的系统和不同的参数，显示tandy[k][1]（使用print（）或仅通过在命令行中调用它）显示所有非常接近零的非零值，即发生这种情况的详细信息与

integrate

中如何处理

ytcurrent

有关。但是Python中有各种各样的上下文，其中列表的所有值最终都是相同的——这与预期相反

例如：

In [159]: x
Out[159]: [0, 1, 2]
In [160]: x=[]
In [161]: y=np.array([1,2,3])
In [162]: for i in range(3):
     ...:     y += i
     ...:     x.append(y)
In [163]: x
Out[163]: [array([4, 5, 6]), array([4, 5, 6]), array([4, 5, 6])]

x

的所有元素都具有相同的值-因为它们都是指向相同

y

的指针，因此显示其最终值

但是如果在将其添加到列表之前复制

y

，我会看到更改

In [164]: x=[]
In [165]: for i in range(3):
     ...:     y += i
     ...:     x.append(y.copy())
In [166]: x
Out[166]: [array([4, 5, 6]), array([5, 6, 7]), array([7, 8, 9])]
In [167]: 

---

这并不能解释为什么

print

语句会更改值。但整个

solout

回调机制有点模糊。我想知道在

scipy

中是否有关于定义这样一个回调的陷阱的警告？

如果您打印所有的sol，行是否会改变，或者是否都一样？您可能必须使用

sol.append（（tcurrent，ytcurrent.copy（））

，以避免始终存储指向积分器状态向量的相同指针。当您知道对象是数组时，不必麻烦使用

deepcopy

<代码>x。复制（）就足够了。但我觉得坦迪有点滑稽。它不仅仅是一个独立值的列表。当你连续两次打印（tandy[-1][1]）时会发生什么？我会试试看，LutzL。谢谢你，LutzL和hpaulj，谢谢你的建议！至少在一些快速测试中，LutzL建议在添加到sol时使用

ytcurrent.copy（）

，这似乎修复了奇怪的行为。但是，我想知道为什么只调用

tandy

或

print（tandy）

vs

copy.deepcopy（tandy）

或

numpy.copy（tandy）

会影响它所指向的值。谢谢hpaulj。我找不到任何关于

solout

陷阱的讨论。你描述的案例很熟悉（尽管我仍然经常被它绊倒！），但似乎无法解释我看到的行为。另外，只需调用

tandy[-1][1]

（例如，在控制台中）与

numpy.copy（）

）不同

copy.deepcopy（somearray）

和

numpy.copy（somearray）

都调用numpy的

array（somearray）

，但我无法进一步跟踪numpy迷宫。。。也许

array（somearray）

以另一种方式调用值？如果您给我们一个完整的复制粘贴示例，我可以自己运行它并检查

tandy

对象。我也会尝试一些变体，比如只存储当前值的变体，或者在每次迭代时打印一个值的变体。感谢您查看。在每个

solout

调用中，

ytcurrent

都有一个新的

id

，但它共享数据缓冲区（以及

yfinal

）。它们都是同一事物的视图。因此，如果您希望每次迭代都使用

ytcurrent

值（而不仅仅是最后一次迭代），则必须使用

copy

in

solout

。我还没有弄清楚为什么“未受保护”的打印会重置这些值。我已经得出结论，这种重置是由内部numpy错误引起的；这与代码中的误用无关。我想我们可以搜索或提交错误报告。但无论它是否已修复，在

solout

中的

copy（）

都是正确的用法。

[(0.0, array([ 0.,  ...  0.])), ...
 (3.0, array([ 0.,  ...  0.]))]

tandy = c1.IntegrateColony(3); ylast=copy.deepcopy(tandy)

[7.14923891e-07   7.14923891e-07 ... 8.26478813e-01   8.85589634e-01]

import numpy as np
from scipy.integrate import ode


def testODEint(tmax=1):
    C0 = np.ones((3,))
    # C0 = 1  # This seems to behave the same

    def dCdt_simpleinputs(t, C):
        return C

    y = ode(dCdt_simpleinputs)

    y.set_integrator('dopri5')
    sol = []

    def solout(tcurrent, ytcurrent):
        sol.append((tcurrent, ytcurrent))  # Behaves oddly
        # sol.append((tcurrent, ytcurrent.copy()))  # LutzL's idea: Works

    y.set_solout(solout)
    y.set_initial_value(y=C0, t=0)
    yfinal = y.integrate(tmax)

    return sol

tandy = testODEint(1)
ylast = np.copy(tandy[-1][1])
print(ylast)  # Expect same values as tandy[-1][1] below

tandy = testODEint(1)
tandy[-1][1]
print(tandy[-1][1])  # Expect same values as ylast above

[ 2.71828196  2.71828196  2.71828196]
[  0.00000000e+00   0.00000000e+00   0.00000000e+00]

In [159]: x
Out[159]: [0, 1, 2]
In [160]: x=[]
In [161]: y=np.array([1,2,3])
In [162]: for i in range(3):
     ...:     y += i
     ...:     x.append(y)
In [163]: x
Out[163]: [array([4, 5, 6]), array([4, 5, 6]), array([4, 5, 6])]

In [164]: x=[]
In [165]: for i in range(3):
     ...:     y += i
     ...:     x.append(y.copy())
In [166]: x
Out[166]: [array([4, 5, 6]), array([5, 6, 7]), array([7, 8, 9])]
In [167]: