Python numpy阵列的奇怪拷贝构造

下面的例子对我来说很奇怪。数组

a

和

c

是不同的，但是在修改

a

的第一个元素时，

c

的第一个元素也会改变。为什么

numpy

数组是这样实现的？如果将

a

指定为列表，则更改

a

的第一个元素不会更改

c

的第一个元素。我想不出任何需要

numpy

数组行为的例子

import numpy as np

a = np.arange(3,5)
#a = [3, 4]
b = a
c = a[:]
d = a.copy()

print(a is b) # True
print(a is c) # False
print(a is d) # False

print(a, b, c, d) #[3 4] [3 4] [3 4] [3 4]

a[0] = -11.

print(a, b, c, d) #[-11   4] [-11   4] [-11   4] [3 4] HUH?!

---

简单的Numpy切片返回一个视图，而不是一个副本。顾名思义，视图由相同的数据支持，只是表示方式不同而已。这是Numpy如此之快的部分原因，因为它不必在每次切片时创建数据的副本

看

我想不出为什么

c=a[：]

会有用，但是

c=a[：：2]

可能有用。假设我得到其他元素的平均值，然后将它们增加平均值

a=np.random.random(10)
b=a[::2]
b+=b.mean()
print a

---

没有理由将示例作为特例返回副本而不是视图。事实上，对于熟悉Numpy切片工作原理的人来说，这是非常违反直觉的。

你能想出一个例子，说明需要

c=a[：]

类型的赋值吗？@Chiel One可能是你想把所有元素都改成某个东西：

a[：]=某个东西

。换成这种形式，在你有了

c=a[：]

@Divakar之后，它将是

c=something

，这是一个相反的例子。@Chiel不。分配给数组的一个完整片段似乎毫无意义。但是对于一般的返回视图，是的，我添加了一个简单的示例。@Chiel:

row=data[0，：]；如果某物：行[：]=1；其他：行[0]=10

。允许您跨多行拆分索引和分配

a[：]

对于列表和数组是不同的；

\uuu getitem\uu

索引方法不同。