Numpy 数组和列表的多重赋值，一个奇怪的例子

Question

考虑多重赋值x[0],y = y,x[0]。应用到以下四种情况中的每一种，这会产生四种不同的结果。

• 案例一：

  x = [[1,2], [3,4]]
  y = [5,6]
  

  给予

  x = [[5,6], [3,4]]
  y = [1,2]
  

• 案例 2：

  x = np.array([[1,2], [3,4]])
  y = [5,6]
  

  给予

  x = array([[5,6], [3,4]])
  y = array([5,6])
  

• 案例 3：

  x = [[1,2], [3,4]]
  y = np.array([5,6])
  

  给予

  x = [array([5,6]), [3,4]]
  y = [1,2]
  

• 案例 4：

  x = np.array([[1,2], [3,4]])
  y = np.array([5,6])
  

  给予

  x = array([[5,6], [3,4]])
  y = array([5,6])
  

列表的多重赋值似乎比 Numpy 数组的多重赋值更智能（自动通过临时变量）。

想法？

编辑：毕竟不是更聪明...

Answer 1

这里唯一令人惊讶的情况应该是 2 和 4：

x = np.array([[1,2], [3,4]])
y = np.array([5,6])  # or [5, 6]

给予

x = array([[5,6], [3,4]])
y = array([5,6])  # where did the 1 and 2 go?

因为其他只是交换数据类型，但保持相同的值。

使用 numpy 时的不同之处在于 x[0] 返回的是视图，而不是副本。因此，即使在元组赋值中明确写出临时值也会失败：

temp = x[0]
x[0] = y
y = temp

因为temp 是一个始终与x[0] 相同的视图，而不是当时x[0] 值的副本。

要使这项工作适用于 numpy 案例，您应该使用 x[0],y = y,x[0].copy()

Answer 2

x[0],y = y,x[0]

等于

t = x[0]
x[0] = y
y = t

正如@Scimonster 指出的那样，

当分配给一个 Numpy 数组时，它会将它变成 numpy 数组。

所以这是正常行为。