我在Python2.6.5中有一个关于numpy的奇怪问题。我分配了一个numpy数组，然后将一个新变量等效到它。当我对新数组执行任何操作时，原始数组的值也会更改。为什么会这样？请参阅下面的示例。请启发我，因为我对Python和一般编程还比较陌生。

-苏扬

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21>>> import numpy as np
>>> a = np.array([[1,2],[3,4]])
>>> b = a
>>> b
array([[1, 2],
[3, 4]])
>>> c = a
>>> c
array([[1, 2],
[3, 4]])
>>> c[:,1] = c[:,1] + 5
>>> c
array([[1, 7],
[3, 9]])
>>> b
array([[1, 7],
[3, 9]])
>>> a
array([[1, 7],
[3, 9]])

这实际上根本不是问题，而是数组(和其他对象)在Python中的工作方式。

请这样想：您在代码示例中创建的数组是一个位于内存中某个位置的对象。但是你不能在你的程序中通过告诉python在内存中的哪个位置去寻找它来使用它；你必须给它一个名字。当你写作时

1a = np.array([[1,2],[3,4]])

您正在创建数组并创建引用该数组的名称a。从那时起，python就知道a指的是"内存地址0x123674283"(或其他)。python运行时中有一个包含所有这些信息的内部表(如果我记得正确的话，称为"符号表")，所以在上面一行python代码运行之后，这个表将包含

1
2
3...,
'a' : 0x123674283,
...

当您将一个变量的值赋给另一个变量时，例如

1b = a

python不会复制整个数组，因为如果它是一个大数组，则需要很长时间。相反，它会转到符号表，并将a的内存地址复制到b表中的新行。所以你最终

1
2
3
4
5...,
'a' : 0x123674283,
...,
'b' : 0x123674283,
...
你看，a和

b实际上指的是内存中相同的位置，即相同的对象。您对其中一个所做的任何更改都将反映在另一个中，因为它们只是同一事物的两个名称。

如果要实际复制数组，则必须调用一个方法来显式执行该操作。numpy数组有一个copy方法，您可以仅用于此目的。所以如果你写

1b = a.copy()

然后，python将首先实际复制数组——也就是说，它留出了一个新的内存区域，比如在地址0x123904381处，然后转到内存地址0x123674283，并将数组的所有值从内存的后一部分复制到前一部分。所以你在记忆中的两个不同的地方有相同的内容。

1
2
3
4
5...,
'a' : 0x123674283,
...,
'b' : 0x123904381,
...

现在，当您更改b的一个元素时，该更改不会出现在a中，因为a和b不再指计算机内存的同一部分。由于阵列数据有两个独立的副本，因此可以更改其中一个而不影响另一个。

非常感谢您的精彩描述。不用说，这解决了问题，但我真的很感谢你花时间解释。你启发了我！

"python不会复制整个数组，因为如果它是一个大数组，则需要很长的时间。"—我想说，它所花的时间更少，如果不以这种方式实现，则需要引入一些类似于单独指针类型的东西，这些东西会使事情变得复杂。

简言之，变量赋值创建对现有对象的新引用。

1

2A = object # A points to object in memory

B = A # B points to the same object