NumPy ndarrays 真的是可变的吗？

Question

这是我的第一个代码片段。运行时，它不会抛出断言错误。

import numpy as np

this_arr = np.ones(10)

next_arr = this_arr

next_arr *= 2

assert np.array_equal(this_arr, next_arr)

这是我的第二个代码片段。运行时，它会抛出一个断言错误。

import numpy as np

this_arr = np.ones(10)

next_arr = this_arr

next_arr = next_arr * 2

assert np.array_equal(this_arr, next_arr)

这种行为让我感到困惑。

我对第一个代码片段的理解是，我将名称初始化this_arr为指向某个内存位置的值。然后，当我初始化名称next_arr以指向相同内存位置的相同值时。因此，当我改变指向的值时next_arr，指向的值this_arr也应该改变。这种行为是 Ned Batchelder在此处创造的“Mutable-Presto-Chango” 。

但是，第二个代码片段不会以这种方式运行。起初，我认为也许*=运算符在操作符更改时不会以某种方式更改值在内存中的位置*。但是后来我回过头来看第一个片段，发现 和 的内存位置在this_arr这里next_arr也不同！鉴于此，程序如何“知道”更改值this_arr以匹配已更改的值next_arr？另外，为什么程序“不知道”更改第二个代码片段中的值？

编辑：作为后续问题：所以即使 next_arr 和 this_arr 有不同的内存位置，python 初始化的两者之间有一些潜在的联系？

Answer 1

我更喜欢谈论对象和引用，而不是价值观。所以我会把你的第一个代码描述为：这将创建一个ndarray对象，并将其（或对它的引用）分配给this_arr：this_arr = np.ones(10)并将相同的引用分配给next_arr：next_arr = this_arr所以next_arr和this_arr引用同一个对象。然后对数组对象进行“就地”更改。使用哪个名称并不重要。next_arr *= 2这两个名称仍然引用同一个数组对象。（在幕后做*=一些缓冲，但数组对象和数据缓冲区位置保持不变）。另一个可变的变化是next_arr[1] = 10（对于列表对象也是如此）。和next_arr = next_arr * 2乘法生成一个新的数组对象。那被分配给next_arr，打破了与先前引用对象（this_arr仍然引用）的任何链接。如果id(this_arr)和id(next_arr)相同，则引用该对象。大致id是一个位置 - 但与c. 但要注意随着时间的推移比较 id；它们可以被重复使用。arr.__array_interface__是另一个方便的工具。If 有一个data键告诉我们数组的底层数据缓冲区位于何处。但是要了解您需要了解数组的存储方式以及 和 之间的view区别copy。

Answer 2

当您初始化 next_arr=this_arr 时，它实际上所做的是将 this_arr 位置的值复制到 next_arr 的新位置。这是我对这段代码的理解，否则这种行为是不可能的