Python 如何调用np.array的值而不是内存地址？

在下面的代码中，我打算创建一个从空列表开始的列表 通过附加（随机）numpy数组。对于一个临时变量，我初始化了一个numpy数组变量“sample_pt”，它作为一个临时变量来保存一个（随机）numpy数组。虽然我希望有一个随机numpy数组的列表，但输出是一个填充了相同（最终）numpy数组的列表。我怀疑通过“变量名”调用numpy数组会返回其内存地址。我走的方向对吗，或者有什么好知道的吗

[守则]

import numpy as np

sample_pt=np.array([0.]) # initial point
sample_list=[]
number_iter=3

for _ in range(number_iter):
    sample_pt[0]=np.random.randn()
    sample_list.append(sample_pt)
    print(sample_list)

[输出]

[array([-0.78614157])]
[array([0.7172035]), array([0.7172035])]
[array([0.47565398]), array([0.47565398]), array([0.47565398])]

---

我不知道你所说的“调用值”，或者“而不是内存地址”，或者…你问题的大部分文本是什么意思

但问题很简单。您正在一次又一次地追加相同的数组，而不是创建新的数组

如果要创建一个新数组，必须显式地创建。这是琐碎的事；只需将

np.array

构造函数移动到循环中，如下所示：

sample_list=[]
number_iter=3

for _ in range(number_iter):
    sample_pt=np.array([0.]) # initial point
    sample_pt[0]=np.random.randn()
    sample_list.append(sample_pt)
    print(sample_list)

但这可以大大简化

首先，与其创建一个0为1的数组，然后替换该0，为什么不创建一个所需元素的数组呢

sample_pt = np.array([np.random.randn()])

或者，更好的是，为什么不让

np.random

为您构建数组呢

sample_pt = np.random.randn(1)

在这一点上，您可以用列表替换整个内容：

number_iter = 3
sample_list = [np.random.randn(1) for _ in range(number_iter)]

或者，更好的是，为什么不制作一个3x1数组，而不是一个由3个单元素数组组成的列表

number_iter = 3
sample_array = np.random.randn((number_iter, 1))

如果出于某种原因确实需要将其更改为一个包含3个数组的列表，您可以随时稍后在其上调用

list

：

sample_list = list(sample_array)

…或从一开始：

sample_list = list(np.random.randn((number_iter, 1)))

---

同时，我认为您误解了值和变量在Python中的工作方式

首先，暂时忘记“内存地址”：

• 对象是堆中某个位置的值，具有类型。你不在乎在哪里
• 变量没有内存地址或类型；它们只是某些名称空间（全局、局部、某些实例的属性等）中引用某个值的名称

注意，这与C++不同，变量是类型化的内存位置，对象位于这些内存位置。这意味着Python中没有“复制构造函数”或“赋值运算符”之类的东西。当您编写

a=b

时，这意味着

a

现在是与

b

相同值的另一个名称。如果你想要一份副本，你必须明确要求一份副本

现在，如果你看看CPython是如何在引擎盖下实现的：

• CPython解释器将所有对象表示为指向

  PyObject

  结构的指针，这些结构总是在堆上分配的
• 变量只是

  dict

  中的字符串键，由模块（用于全局变量）、实例（用于属性）或其他任何内容拥有。

  dict

  中的值与其他对象一样。这意味着，在幕后，哈希表中实际存储的是指向键中变量名的字符串对象的指针，以及指向在值中指定的任何值的指针
• 对于局部变量有一种特殊的优化，包括存储在框架上的一组对象指针，但通常不必担心这一点
• 闭包捕获还有另一个特殊的技巧，包括指向单元格对象的指针，这些指针包含指向实际对象的指针，您甚至不必经常担心这些

---

正如您所见，思考指针更难理解，而且可能会产生误导，除非您真正关心CPython在幕后是如何工作的。

重复的一点是，在列表中附加相同的可变对象是危险的。如果使用列表附加，则每次创建一个新对象。