逻辑寻址numpy与其他矩阵弄乱了

我刚刚发现了一个问题，我不知道是应该这样做，还是我做错了。当我在一个numpy矩阵中使用逻辑寻址来改变一个矩阵的所有值，比如说，等于1。与此矩阵相关的所有其他矩阵也将被修改

In [1]: import numpy as np
In [2]: from numpy import matrix as mtx
In [3]: A=mtx(np.eye(6))
In [4]: A
Out[4]: 
matrix([[ 1.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  1.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  1.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  1.]])

In [5]: B=A

In [6]: C=B

In [7]: D=C

In [8]: A[A==1]=5

In [9]: A
Out[9]: 
matrix([[ 5.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  5.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  5.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  5.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  5.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  5.]])

In [10]: B
Out[10]: 
matrix([[ 5.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  5.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  5.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  5.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  5.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  5.]])

In [11]: C
Out[11]: 
matrix([[ 5.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  5.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  5.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  5.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  5.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  5.]])

In [12]: D
Out[12]: 
matrix([[ 5.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  5.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  5.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  5.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  5.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  5.]])

---

谁能告诉我我做错了什么？这是一个bug吗？

这不是bug。在python中说

B=A

意味着

B

和

A

都指向同一个对象。你需要复制矩阵

>>将numpy作为np导入
>>>从numpy导入矩阵作为mtx
>>>A=mtx（np.眼（6））
>>>B=A.复制（）
>>>C=A
#检查内存位置。
>>>身份证（A）
19608352
>>>id（C）
19608352#与
>>>身份证（B）
19607992#不同的对象
>>>A[A==1]=5
>>>B#B与a是不同的对象
矩阵（[[1,0,0,0,0,0,0.]，
[ 0.,  1.,  0.,  0.,  0.,  0.],
[ 0.,  0.,  1.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  1.,  0.,  0.],
[ 0.,  0.,  0.,  0.,  1.,  0.],
[ 0.,  0.,  0.,  0.,  0.,  1.]])
>>>C#C与A是同一个对象
矩阵（[[5,0,0,0,0,0,0.]，
[ 0.,  5.,  0.,  0.,  0.,  0.],
[ 0.,  0.,  5.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  5.,  0.,  0.],
[ 0.,  0.,  0.,  0.,  5.,  0.],
[ 0.,  0.,  0.,  0.,  0.,  5.]])

python列表也存在同样的问题：

>A=[5,3]
>>>B=A
>>>B[0]=10
>>>A
[10, 3]

请注意，这与在本例中返回numpy视图不同：

A=mtx（np.eye（6）） >>>B=A[0]#B是一个视图，现在指向A的第一行 >>>身份证（A） 28088720 >>>id（B）#不同的对象！ 28087568 #B仍然指向A的第一行的内存位置，但是通过numpy欺骗 >>>B 矩阵（[[1,0,0,0,0,0,0.]）） >>>B*=5#就地乘法，更新与A的第一行相同的B >>>A 矩阵（[[5,0,0,0,0,0,0.]， [ 0., 1., 0., 0., 0., 0.], [ 0., 0., 1., 0., 0., 0.], [ 0., 0., 0., 1., 0., 0.], [ 0., 0., 0., 0., 1., 0.], [ 0., 0., 0., 0., 0., 1.]]) 当视图

B

指向

A

的第一行时，

A

发生变化。现在让我们强制复制

B=B*10#将B*10分配给不同的内存块 >>>A 矩阵（[[5,0,0,0,0,0,0.]， [ 0., 1., 0., 0., 0., 0.], [ 0., 0., 1., 0., 0., 0.], [ 0., 0., 0., 1., 0., 0.], [ 0., 0., 0., 0., 1., 0.], [ 0., 0., 0., 0., 0., 1.]]) >>>B 矩阵（[[50,0,0,0,0,0,0.]））