Python ndarray的浅拷贝到函数

如果我有一个列表

x=[1,2,3]

，并将其传递给一个函数

f

，该函数以

f（x[：]）

的形式使用运算符

+=

，则生成一个浅层副本，并且内容不变：

def f(x):
    print "f, x = ", x, ", id(x) = ", id(x)
    x += [1]
    print "f, x = ", x, ", id(x) = ", id(x)

x = [1,2,3]
print "x = ", x, ", id(x) = ", id(x)
f(x[:])
print "x = ", x, ", id(x) = ", id(x)

输出：

x =  [1, 2, 3] , id(x) =  139701418688384
f, x =  [1, 2, 3] , id(x) =  139701418790136
f, x =  [1, 2, 3, 1] , id(x) =  139701418790136
x =  [1, 2, 3] , id(x) =  139701418688384

x =  [1 2 3] , id(x) =  139701418284416
f, x =  [1 2 3] , id(x) =  139701418325856
f, x =  [2 3 4] , id(x) =  139701418325856
x =  [2 3 4] , id(x) =  139701418284416

然而，对于

ndarray

x=np.array（[1,2,3]）

我期待着相同的行为，我很惊讶内容被更改了，即使确实制作了一个副本：

import numpy as np

def f(x):
    print "f, x = ", x, ", id(x) = ", id(x)
    x += [1]
    print "f, x = ", x, ", id(x) = ", id(x)

x = np.array([1,2,3])
print "x = ", x, ", id(x) = ", id(x)
f(x[:])
print "x = ", x, ", id(x) = ", id(x)

输出：

x =  [1, 2, 3] , id(x) =  139701418688384
f, x =  [1, 2, 3] , id(x) =  139701418790136
f, x =  [1, 2, 3, 1] , id(x) =  139701418790136
x =  [1, 2, 3] , id(x) =  139701418688384

x =  [1 2 3] , id(x) =  139701418284416
f, x =  [1 2 3] , id(x) =  139701418325856
f, x =  [2 3 4] , id(x) =  139701418325856
x =  [2 3 4] , id(x) =  139701418284416

（我知道

+[1]

函数对数据数组和列表的作用是不同的）。如何传递列表中的数据集并避免这种行为

奖金问题为什么在函数

f

中使用

x=x+[1]

可以解决问题？

如果需要副本，可以使用numpy数组的方法：

f(x.copy())

请注意，即使

x

和

x[：]

的

id

不同，这些数组可能共享相同的内存，因此对一个数组的更改将传播到另一个数组，反之亦然：

x = np.array([1,2,3])
y = x[:]
np.may_share_memory(x, y)   # True

z = x.copy()
np.may_share_memory(x, z)   # False

---

但是，通常情况下，您不会将副本传递给函数。您将在函数内创建一个副本：

def give_me_a_list(lst):
    lst = list(lst)  # makes a shallow copy
    # ...


def give_me_an_array(arr):
    arr = np.array(arr)  # makes a copy at least if you don't pass in "copy=False".
    # ...

---

谢谢iPython的内省说，

id

是变量的内存地址，但是……我是否遗漏了什么？另外，我还添加了一个额外的问题——你能帮忙吗？@bcf对于额外的问题，你可能想看看我对另一个问题的回答：。@bcf

id

是实例的内存地址。但是numpy数组的实际数组存储为属性（由于ndarray是作为C类实现的，所以有点复杂）。你所得到的是一个视图，它基本上是另一个实例，它与原始内存共享一些/所有内存。@ BCF，它是复杂的，因为这是因为<代码> NoMPy < /Cord>基本上封装了C数组并使之成为面向对象。@ BCF很好，Python与C++（或java，……）不可比。然后NumPy数组就无法与列表进行比较了。至于

x=x+1

和

x+=1

，这在几乎所有编程语言中都是相似的。