为什么在python中将一个变量的值赋给另一个变量会保存在内存中？

我是python新手，以前使用过Matlab，对python中的变量有些困惑

我正试图用python重写一个Matlab代码，这就是混淆的地方。假设我有以下情况：

>>> A = np.array([[1,2,3],[4,5,6]])
>>> out = np.array([[True, False, True],[False, True, False]])
>>> 
>>> B = A
>>> 
>>> B[out] = A[out]+1
>>> 
>>> B
array([[2, 2, 4],
       [4, 6, 6]])
>>> A    
array([[2, 2, 4],
       [4, 6, 6]])

在Matlab中，A不会随同一段代码而改变，但在python中会改变。任何人都可以解释为什么，以及什么是避免变更的最佳方式

代码图像：

通过执行

B = A

您正在创建对同一对象

A

的另一个引用，因此

A

引起的所有更改将自动反映在

B

中。在这种情况下，复制列表/数组的正确（少数）方法

B = A[::]

或

通过这种方式，您可以将元素复制到列表变量，而不创建指向原始变量

a

的指针，从而根据内存地址将它们解耦

正如他所指出的,

[：]

表示开始，以步长1结束，这表示

[0:len（obj）：1]

，而

[：]

表示

[：len（obj）]

其中

obj

是您的对象

正如下面@Patrick所指出的，如果你

A

是一个numpy矩阵，你也可以这样做

 B = np.copy(A)

---

欢迎来到Stack Overflow。它很难阅读，阻止了基于文本的搜索，并降低了文章的整体呈现价值@Kevin通过“内联”图像来帮助ppl并没有真正提高帖子的质量。在Python中，当您有一个复杂的结构，如分配给

a

的数组时，

a

实际上持有一个指向数据的引用（指针）。当您写入

B=A

时，这是将变量的“引用”指定给

B

。

A

和

B

都指向同一个数组。请看，请看并阅读以下内容：@PatrickArtner:我刚刚尝试过，但似乎两者都做了相同的事情，即创建一个没有标签的副本reference@PatrickArtner它与

[：]

相同。。。只是

[：：]

转换为开始，结束时步长为1。。。所以

[：]

和

[：len（obj）]

一样，

[：]

和

[0:len（obj）：1]

一样…@JonClements:如果我没有错的话，

[：]

基本上也采用默认的步长1。是的。。。只是语法。。。所以无论是

：

还是

：

都足以使一切都成为默认值。。。在野外看到

：：

是很奇怪的…）@容克莱门茨：让我把你的建议和评论写在我的回答中，让它更详细。谢谢你的话

 B = np.copy(A)