Python NumPy Ndarray真的是可变的吗？

这是我的第一个代码片段。运行时，它不会抛出断言错误

import numpy as np


this_arr = np.ones(10)

next_arr = this_arr

next_arr *= 2

assert np.array_equal(this_arr, next_arr)

import numpy as np


this_arr = np.ones(10)

next_arr = this_arr

next_arr = next_arr * 2

assert np.array_equal(this_arr, next_arr)

这是我的第二个代码片段。运行时，它会抛出断言错误

import numpy as np


this_arr = np.ones(10)

next_arr = this_arr

next_arr *= 2

assert np.array_equal(this_arr, next_arr)

import numpy as np


this_arr = np.ones(10)

next_arr = this_arr

next_arr = next_arr * 2

assert np.array_equal(this_arr, next_arr)

我对这种行为感到困惑

---

我对第一个代码段的理解是，我初始化名称

this\u arr

以指向某个内存位置的值。然后，当我初始化name

next_arr

时，指向同一内存位置的同一个值。因此，当我更改由

next\u arr

指向的值时，

this\u arr

指向的值也应该更改。这种行为就是Ned Batchelder创造的“可变的Presto Chango”

---

但是，第二个代码段的行为并非如此。起初，我认为可能是

*=

操作符在某种程度上没有改变值在内存中的位置，而

*

操作符却改变了。但后来我回顾了第一个片段，发现

this\u arr

和

next\u arr

的内存位置在这里也不同！鉴于此，程序如何“知道”更改

此\u arr

的值以匹配更改的

下一个\u arr

的值？另外，为什么程序“不知道”更改第二个代码段中的值

编辑：作为一个后续问题：所以，即使next_arr和this_arr具有不同的内存位置，python已经初始化的这两者之间还是有一些潜在的连接

---

谢谢

当您初始化next\u arr=this\u arr时，它实际做的是将this\u arr位置的值复制到next\u arr的新位置。这是我对这段代码的理解，否则这种行为就不可能了

我更喜欢从对象和引用的角度来讨论，而不是从值的角度。因此，我将您的第一个代码描述为：

这将创建一个

ndarray

对象，并将其（或对其的引用）分配给

This\u arr

：

this_arr = np.ones(10)

next_arr = this_arr

并将相同的引用分配给下一个\u arr：

this_arr = np.ones(10)

next_arr = this_arr

因此

next\u arr

和

this\u arr

引用相同的对象

然后对数组对象进行“就地”更改。使用哪个名字并不重要

next_arr *= 2

这两个名称仍然引用同一个数组对象。（在封面下进行了一些缓冲，但数组对象和数据缓冲区位置保持不变）。另一个可变的更改是

next\u arr[1]=10

（对于列表对象也是如此）

与

乘法生成一个新的数组对象。分配给

next\u arr

，断开与先前引用对象（该

this\u arr

仍然引用）的任何链接

如果

id（this\u arr）

和

id（next\u arr）

相同，则引用对象。大致上，

id

是一个位置，但与

c

中的指针不同。但要小心随着时间的推移比较ID；它们可以重复使用

---

arr.\uuuu数组\u接口\uuuu

是另一个方便的工具。If有一个

data

键，告诉我们数组的底层数据缓冲区的位置。但要了解数组的存储方式，以及

查看

和

复制

之间的区别，首先，我认为*=运算符可能在某种程度上不会更改值在内存中的位置，而*运算符会更改。根据以下内容，您是正确的：“如果可能，实际操作将在适当的位置执行，这意味着不创建新对象并将其分配给目标，而是修改旧对象。”“我对第一个代码段的理解是，我初始化名称this_arr以指向某个内存位置的值。“不，Python中的任何东西都不是这样工作的。从内存位置的角度考虑是非常没有帮助的。Python是一种高级语言。你的心智模型应该是关于对象的。你给变量

this\u arr

分配了

numpy.ndarray

对象。然后你给被引用的对象分配了

next\u array

通过

this\u array

，但在您将另一个对象分配给

next\u array

之后，由

next\u arr=next\u arr*2

创建的对象不是一个变异。但是

next\u arr*=2

是。@Jfacconi感谢您的评论！但是，在与我的调试器检查后，这个和next\u arr已经发生了变化两个代码段中的内存地址不同。鉴于此，当第一个代码段中的下一个更改时，此\u arr如何更改？在第一个示例中，它们具有相同的内存位置，在第二个示例中，它们没有。如何获得不同的内存位置，请提供一个可复制的示例，说明如何验证这一点（同样，这并不是思考事物的最佳方式，它们是相同的对象或不同的对象）。这对我来说没有多大意义。为了使第一个代码段不会抛出错误，这意味着在执行next_arr*=2之后，它的值会被复制回this_arr。是否正确？使用

initialize next_arr=this_arr

时，不会复制值。这只是一个简单的Python变量赋值。这不是correct，或者至少，没有明确说明。谢谢你的回复。我用assert（id（this_arr）==id（next_arr））替换了我对assert的调用。第一个代码段为每个数组生成了相同的ID值，第二个代码段为每个数组生成了不同的ID值。这是正确的！您知道PyCharm调试器给出的ID值和内存值之间的差异吗？虽然第一个代码段中两个数组的ID值相同，但我在下面的问题评论中描述的过程在内存中仍然产生不同的值。我没有使用

pycharm

，因此无法说出它显示了什么。