Python 为什么数组这样的Numpy可变变量没有'；是否在同一内存上更新值？

我被python中的可变变量弄糊涂了。请参见以下示例代码：

In [144]: a=[1,2,3,4]

In [145]: b=a

In [146]: a.append(5)

In [147]: a
Out[147]: [1, 2, 3, 4, 5]

In [148]: b
Out[148]: [1, 2, 3, 4, 5]

由于list是可变的，所以当使用append函数时，它在相同的内存中工作。这对我来说是可以理解的。但是下面的代码让我感到困惑

In [149]: import numpy as np

In [150]: a=np.random.randn(3,2)

In [151]: b=a

In [152]: a=a-1

In [153]: a
Out[153]:
array([[-2.05342905, -1.21441195],
       [-1.29901352, -3.29416381],
       [-2.28775209, -1.65702149]])

In [154]: b
Out[154]:
array([[-1.05342905, -0.21441195],
       [-0.29901352, -2.29416381],
       [-1.28775209, -0.65702149]])

既然Numpy数组变量也是可变的，当a=a-1时，为什么不在a引用的同一内存上进行更改？另一方面，a表示具有新值的新内存。

---

为什么变量a的行为与第一个示例中关于在列表中添加新值5的行为不同，a仍然引用相同的内存？

因为当调用

a=a-1

时，您正在为变量a指定一个新值。。。然后，由于

a-1

没有就地更改

a

，而是创建了另一个对象，因此对该变量的整个内存分配都发生了更改

a = [1,2,3] 
b = a
a = a + [4]
a 
>>> [1,2,3,4] 
b
>>> [1,2,3]

---

看到了吗？具体来说，它与numpy无关……

简短的回答：

a-=1

已就位，但

a=a-1

将

a

的内存复制到另一个位置，然后减去

1

。因此，

a

最初指向的位置会发生变化

您可以使用

is

检查此项。

is

关键字表示，如果两个变量是否引用内存中的同一对象，则它与

=

不同

>>将numpy作为np导入
>>>a=np.random.randn（3,2）
>>>b=a
>>>a是b
真的
>>>a，b
（数组（[-0.14563848,2.11951025]，
[ 0.50913228, -0.61049821],
[2.29055958，-0.83795141]），数组（[-0.14563848,2.11951025]，
[ 0.50913228, -0.61049821],
[ 2.29055958, -0.83795141]]))
>>>a-=1
>>>a
数组（[-1.14563848，1.11951025]，
[-0.49086772, -1.61049821],
[ 1.29055958, -1.83795141]])
>>>b
数组（[-1.14563848，1.11951025]，
[-0.49086772, -1.61049821],
[ 1.29055958, -1.83795141]])
>>>a是b
真的
>>>a=a-1
>>>a
数组（[-2.14563848，0.11951025]，
[-1.49086772, -2.61049821],
[ 0.29055958, -2.83795141]])
>>>b
数组（[-1.14563848，1.11951025]，
[-0.49086772, -1.61049821],
[ 1.29055958, -1.83795141]])
>>>a是b
假的

a=a-1是副本分配。a-=1是可变的a-=1不是复制赋值？你能解释更多吗？谢谢。不，不是。它是增广赋值，python对象有一个特定的方法（

\uuu isub\uuuu

），它实现了

numpy.ndarray

操作

-=

类似于

append

，但为什么？您是否有更多与就地操作相关的示例？请看这里：