Python Numpy中的行交换

在Python中，我可以通过多次假装来交换2个变量；它还适用于以下列表：

l1，l2=[1,2,3]，[4,5,6]
l1，l2=l2，l1
打印（l1、l2）
>>> [4, 5, 6] [1, 2, 3]

但当我想交换numpy数组的2行时（例如在高斯算法中），它失败了：

将numpy导入为np
a3=np.数组（[[1,2,3]，[4,5,6]）
印刷品（a3）
a3[0，：]，a3[1，：]=a3[1，：]，a3[0，：]
印刷品（a3）
>>> [[1 2 3]
[4 5 6]]
[[4 5 6]
[4 5 6]]

我认为，出于一个奇怪的原因，这两列现在指向相同的值；但事实并非如此，因为在前面的行改变a3[0,0]而不是a3[1,0]之后，

a3[0,0]=5

---

我已经找到了解决这个问题的方法：例如

a3[0，：]，a3[1，：]=a3[1，：].copy（），a3[0，：].copy（）

。但有人能解释为什么多重矫揉造作的交换在numpy行中失败吗？我的问题涉及Python和Numpy的底层工作。

这是您想要的工作方式：

a3[[0,1]] = a3[[1,0]]

---

元组赋值中的两个独立赋值互不缓冲；一个接一个地发生，导致覆盖您的观察结果

请查看解释。好的，谢谢，这个问题不是在可能的重复列表中自动提出的。没问题-我知道这个问题的唯一原因是因为我回答了它。+1很好，当您尝试执行

a[[0，1，1]]时，这是一个讨厌的问题+=1

并且位置

1

处的项只增加一次，可以用来交换行；我花了一段时间才明白这背后的逻辑。对新的np.add.at非常满意；事实上，我现在正在用它编写一段代码，这曾经是一个非常慢的python循环。对于sums，

np.bincount

通常比

np.add快得多。在

，我刚刚尝试了50x：

a=np.zeros（（1000），dtype=np.intp）；b=np.random.ranndint（1000，大小=100000）；c=np.random.randint（1000000，大小=100000）；[10]中：%timeit np.add.at（a，b，c）；100个回路，最佳3个：每个回路19.3毫秒；在[11]中：%timeit a+np.bincount（b，weights=c，minlength=1000）；1000个循环，最好是每个循环3:451µs

。当然，可读性受到严重影响，很难想象这种操作会成为瓶颈。但是如果你想要原始的表现，那么这似乎是一条路。这让我非常惊讶。您可能认为np.add.at的实现将是可以想象的最基本的循环。这就是说，它也推广到散射到nd阵列，所以可能会增加一些开销？但我根本无法想象因子40是从哪里来的。