Python 数组a=数组b[：]，但更改a也会更改b（numpy）

很抱歉，这个问题以前在这里出现过 但是这个解决方案不起作用，我不知道为什么

import numpy as np

zero_matrix = np.zeros((3,3)) # 3x3 zero matrix

test_matrix = zero_matrix[:] # test_matrix is a view of zero_matrix. Without [:] it would be same object
print (zero_matrix)
print ()
print (test_matrix)
print ()
print(id(test_matrix))
print ()
print(id(zero_matrix))
print ()

test_matrix[1] = 42

print (test_matrix)
print ()
print (zero_matrix)

当我设置test_矩阵[1]=42时，“zero_矩阵”也会改变

---

我不明白为什么，因为两者都有不同的对象ID。

使用

copy

复制numpy数组：

zero_矩阵=np.zeros（（3,3））
测试矩阵=零矩阵。复制（）
测试矩阵[1]=42
打印（零矩阵）
打印（测试矩阵）

---

Numpy数组和python列表在这方面的行为不同。

它们确实有两个不同的对象ID，但是，正如您自己编写的：

test\u matrix

是

zero\u matrix

的视图

当一个对象提供了一种访问另一个对象（无论是通过读取还是通过写入）的方法时，它通常被称为“视图对象”。在这种情况下，通过读取和写入，对该视图对象的访问会转向另一个对象

这是numpy对象相对于“普通”python对象的一个特性

---

但是，即使python也有这些对象，但除非明确请求，否则不会使用它们。

这就是代码中的注释所指的意思，它说

test\u matrix

是一个“视图”。视图没有自己的数据副本。而是共享原始数组的底层数据。视图不必是整个阵列的视图，但可以是阵列的小部分。如果视图是跨视图的，这些子部分甚至不需要是连续的。例如

a = np.arange(10)
b = a[::2] # create a view of every other element starting with the 0-th
assert list(b) == [0, 2, 4, 6, 8]
assert a[4] == 4
b[2] = -1
assert a[4] == -1

视图功能强大，因为它们允许更复杂的操作，而无需复制大量数据。不需要一直复制数据可能意味着某些操作比其他操作要快

注意，并非所有索引操作都创建视图。例如

a = np.arange(10, 20)
b = a[[1,2,5]]
assert list(b) == [11, 12, 15]
b[0] == -1
assert a[1] != -1

---

该链接讨论的是列表，而不是numpy数组。