高级切片：Python 列表与 Numpy 数组 [重复]答案

【问题标题】：Advanced slicing: Python lists vs Numpy arrays [duplicate]高级切片：Python 列表与 Numpy 数组 [重复]
【发布时间】：2019-06-16 02:38:41
【问题描述】：

我想交换二维数组中的行。为此使用高级切片非常方便：

In [50]: l
Out[50]: [[0, 1], [2, 3], [4, 5], [6, 7]]

In [51]: l[::2], l[1::2] = l[1::2], l[::2]

In [52]: l
Out[52]: [[2, 3], [0, 1], [6, 7], [4, 5]]

但是，如果我将列表转换为 Numpy 数组，这将不起作用：

In [60]: arr
Out[60]: 
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

In [61]: arr[::2], arr[1::2] = arr[1::2], arr[::2]

In [62]: arr
Out[62]: 
array([[2, 3],
       [2, 3],
       [6, 7],
       [6, 7]])

为什么这种交换方法不适用于 Numpy 数组？

【问题讨论】：

您是在问为什么 Numpy 数组处理切片的方式不同，还是希望在使用 Numpy 数组时获得相同的结果？ 为什么不是一个很有用的问题，而且太宽泛，无法在这里回答。
怎么样？ l = 列表（arr）； l[::2], l[1::2] = l[1::2], l[::2]; arr = np.array(l);
@MartijnPieters：我在问为什么这种特殊的交换方法对列表有效，而对 numpy 数组无效。为什么这意味着“为什么他们的行为不同”。
@DmytroPrylipko：广泛的答案是 numpy 数组不是列表。它们是矩阵并支持更丰富的索引语法。 Python 列表是一维的野兽，列表中有列表对象，因此您只处理最外层的列表。 Numpy 数组是真正的多维矩阵，不仅对行进行切片。

标签： python arrays numpy

【解决方案1】：

为什么这种交换方法不适用于 numpy 数组？

简而言之：Numpy 数组是真正的多维 对象，并提供数据的视图。 Python list 对象不是。

您只能用l[...] 索引一个列表，而不是嵌套和独立行list 对象的内容。切片还会生成 new 列表对象，其中包含对复制到切片结果的嵌套列表的引用。

另一方面，Numpy 切片处理整个矩阵中的单个单元格和一系列单元格，并为您提供数据的视图；您可以改变 numpy 数组切片的结果并查看原始数组中反映的更改。

后者是你的问题所在；当您将第二行分配给第一行的单元格时，对第一行单元格的引用随分配而变化，因为它们不是副本而是视图，并且您最终会通过第一行将第二行单元格复制回第二行。

所以如果你想交换 numpy 数组中的行，you'll have to create a copy first:

source = arr.copy()
arr[::2], arr[1::2] = source[1::2], source[::2]

【讨论】：

这就是我如此喜欢的原因。您真的可以了解语言的内部结构。