numpy 切片分配给另一个值

Question

假设我有一个 1D numpy 数组：

 arr = np.arange(10)

然后我将 arr 切片并赋值给另一个变量：

 arr2 = arr[5:8]

我想改变 arr ：

 arr2 *= 10

或：

 arr2 = arr2 * 10

结果不同。为什么它们不同？

 arr

数组([ 0, 1, 2, 3, 4, 50, 60, 70, 8, 9])

 arr

数组([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Answer 1

简而言之，arr2 = arr[5:8] 将对arr 的5:7th 元素的引用分配给变量arr2。

因此，arr2 *= 10 操作归结为“将这些元素乘以 10”，这会在原地修改 arr（您正在对引用执行就地操作、修改，因此会影响原创）。

但是，arr2 = arr2 * 10 表示“将第 5:7 元素乘以 10 的结果，然后将其分配给名为 arr2 的变量”。在这里，您对引用执行操作（不是修改），获取输出（明确地说，操作arr2 * 10 返回一个新对象），并将其分配给arr2，它顺便破坏了原始参考（但这部分有点无关紧要）。

或者比较一下：

arr[5:8] *= 10
arr[5:8] = arr[5:8] * 10
arr2 = arr[5:8] * 10

前两个是等价的。您的代码本质上是第一个和第三个（相当于第二个和第三个）之间的比较。第二个和第三个不相等，因为在您的代码中，您之前对arr2 = arr[5:8] 的赋值与arr2 = arr[5:8] * 10 的LHS 无关。

Answer 2

In [639]: arr = np.arange(10)         

通过使用切片进行索引（基本索引），arr2 是 view 的 arr。它与arr共享数据缓冲区：

In [640]: arr2 = arr[5:8]                                                                             
In [641]: arr2                                                                                        
Out[641]: array([5, 6, 7])

如果我们进行复制，值会被复制，而不是共享：

In [642]: arr3 = arr[5:8].copy()     # arr[[5,6,7]] is also a copy

通过就地修改arr2，我们也修改了arr的一部分：

In [643]: arr2 *= 10                                                            
In [644]: arr2                                                                                        
Out[644]: array([50, 60, 70])
In [645]: arr                                                                                         
Out[645]: array([ 0,  1,  2,  3,  4, 50, 60, 70,  8,  9])

但不是arr3：

In [646]: arr3                                                                                        
Out[646]: array([5, 6, 7])

arr2 = arr2*10 不会修改arr2 数组，而是将一个全新的数组分配给arr2 变量。

因此，您需要了解将对象分配给变量意味着什么。分配变量和修改可变对象之间的区别。以及数组复制和视图之间的区别（以及基本索引和高级索引之间）。最后一个特定于 numpy，其余的也是 Python 的。