Python 为什么我们可以使用变量名来获取存储在其中的数据？

在使用Python时，我遇到了一个长期困扰我的问题。比如说，我使用numpy定义一个数组

x=np.array（[1,2]）

我认为，这意味着

x

是class

array

的一个实例。此外，本教程还指出，

[1,2]

实际上存储在

x.data

中。但是，我通过实例名称

x

而不是Python中的

x.data

获得数据

---

这是怎么发生的？实例名称

x

和

x.data

之间存在链接

x

和

x.data

是不同的类型，尽管它们在解释内存中相同位置的数据

In [1]: import numpy as np

In [2]: x = np.array([1,2])

In [3]: type(x)
Out[3]: numpy.ndarray

In [4]: type(x.data)
Out[4]: buffer

x.data

是指向组成内存中数组对象的底层字节缓冲区的指针，在中引用

当我们检查底层数据类型（

dtype

）时，数组正在存储数据，如下所示：

In [5]: x.dtype
Out[5]: dtype('int64')

int64

由64位或8个字节（一个字节中有8位）组成。这意味着

x

的底层缓冲区，

x.data

应该是长度为16的

缓冲区。我们在此确认：

In [6]: len(x.data)
Out[6]: 16

最后，我们可以查看缓冲区的实际值，以了解Python如何将值存储在内存中：

In [7]: for i in range(len(x.data)): print ord(x.data[i])
1
0
0
0
0
0
0
0
# first 8 bytes above, second 8 below
2
0
0
0
0
0
0
0

我们使用返回字节的值，因为
numpy
将值存储为8位（1字节）字符串

由于每个字节仅存储8位信息，因此循环打印的上述值都不会超过255

x
和
x.data
之间的链接是
x.data
指向您在检查
x
时看到的值在内存中的位置
numpy
使用
ndarray
类型作为内存中较低级别存储之上的抽象，以便于在较高级别处理数组，例如在索引1处获取
x
的值：

In [8]: x[1]
Out[8]: 2

不需要自己实现正确的偏移和二进制到整数的转换。
x
和
x.data
是不同的类型，尽管它们在解释内存中相同位置的数据

In [1]: import numpy as np

In [2]: x = np.array([1,2])

In [3]: type(x)
Out[3]: numpy.ndarray

In [4]: type(x.data)
Out[4]: buffer

x.data
是指向组成内存中数组对象的底层字节缓冲区的指针，在中引用

当我们检查底层数据类型（
dtype
）时，数组正在存储数据，如下所示：

In [5]: x.dtype
Out[5]: dtype('int64')

int64
由64位或8个字节（一个字节中有8位）组成。这意味着
x
的底层缓冲区，
x.data
应该是长度为16的
缓冲区。我们在此确认：

In [6]: len(x.data)
Out[6]: 16

最后，我们可以查看缓冲区的实际值，以了解Python如何将值存储在内存中：

In [7]: for i in range(len(x.data)): print ord(x.data[i])
1
0
0
0
0
0
0
0
# first 8 bytes above, second 8 below
2
0
0
0
0
0
0
0

我们使用返回字节的值，因为
numpy
将值存储为8位（1字节）字符串

由于每个字节仅存储8位信息，因此循环打印的上述值都不会超过255

x
和
x.data
之间的链接是
x.data
指向您在检查
x
时看到的值在内存中的位置
numpy
使用
ndarray
类型作为内存中较低级别存储之上的抽象，以便于在较高级别处理数组，例如在索引1处获取
x
的值：

In [8]: x[1]
Out[8]: 2

而不需要自己实现正确的偏移和二进制到整数的转换。
非常好的答案。我很感激他们。但是关于实例名“x”和x的属性x.data之间的联系的解释仍然让我感到困惑。也许，我应该再举一个让我困惑的例子，如下所示。我使用pytorch定义一个变量x，计算并得到它的梯度x.grad，意思是grad是实例x的一个属性。但是，我们可以使用x.grad.data.zero_u2;（）将x.grad设置为零，这意味着data.zero_2;（）是x.grad的方法。为什么属性有一个方法？非常感谢。
x
只是一个python
类
，因此它可以在其上定义任意属性，可以包括其他类、函数和值，包括变异并使用存储在类本身中的值的函数。如果您想知道
data
属性实际上是如何在
ndarray
type对象上定义的，那么在Python中的OOP上可能会有所帮助，这是非常有用的答案。我很感激他们。但是关于实例名“x”和x的属性x.data之间的联系的解释仍然让我感到困惑。也许，我应该再举一个让我困惑的例子，如下所示。我使用pytorch定义一个变量x，计算并得到它的梯度x.grad，意思是grad是实例x的一个属性。但是，我们可以使用x.grad.data.zero_u2;（）将x.grad设置为零，这意味着data.zero_2;（）是x.grad的方法。为什么属性有一个方法？非常感谢。
x
只是一个python
类
，因此它可以在其上定义任意属性，可以包括其他类、函数和值，包括变异并使用存储在类本身中的值的函数。如果您想知道
data
属性实际上是如何在
ndarray
type对象上定义的，那么在Python中的OOP上可能会有所帮助，这真的很有帮助