基本類型（int）與複雜類型（np.ndarray）之間的行爲差​​異

Question

爲什麼以下對象對[x] * n操作的行爲有所不同？ 也就是說爲什麼第一個操作（in[94]）修改了列表中的單個條目，而第二個操作（in[99]）修改了全部是的條目？

In [91]: x = 8 

In [92]: y = [x] * 10 

In [93]: y 
Out[93]: [8, 8, 8, 8, 8, 8, 8, 8, 8, 8] 

In [94]: y[1] = 4 

In [95]: y 
Out[95]: [8, 4, 8, 8, 8, 8, 8, 8, 8, 8] 

In [96]: x = np.zeros(shape=(3,3)) 

In [97]: y = [x] * 10 

In [98]: y 
Out[98]: 
[array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]])] 

In [99]: y[1][1,2] = 5 

In [100]: y 
Out[100]: 
[array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]]), array([[ 0., 0., 0.], 
     [ 0., 0., 5.], 
     [ 0., 0., 0.]])] 

Answer 1

TL;博士：你隱式地矩陣的shallow copy當你期待一個深拷貝。Documentation

考慮下面的代碼位：

In [38]: import numpy 

In [39]: a = numpy.eye(2) 

In [40]: a 
Out[40]: 
array([[ 1., 0.], 
     [ 0., 1.]]) 

In [41]: b = a 

In [42]: b 
Out[42]: 
array([[ 1., 0.], 
     [ 0., 1.]]) 

In [43]: a[0,0] = 2 

In [44]: a 
Out[44]: 
array([[ 2., 0.], 
     [ 0., 1.]]) 

In [45]: b 
Out[45]: 
array([[ 2., 0.], 
     [ 0., 1.]]) 

另外：

In [46]: id(a) 
Out[46]: 140529107552512 

In [47]: id(b) 
Out[47]: 140529107552512 

我定義a。設置b=a，然後更改a以找到b中的相同更改，即使我沒有觸碰b。

按照你的線[x] * 10，它製作了10個淺拷貝x。所以，任何人的改變都會反映在其他人身上。

In [90]: x = np.zeros(shape=(3,3)) 
In [95]: y = [x] * 10 

In [96]: id(y[0]) 
Out[96]: 140529110575952 

In [97]: id(y[1]) 
Out[97]: 140529110575952 

In [98]: y[1][1,2] = 5 

In [99]: id(y[0]) 
Out[99]: 140529110575952 

In [100]: id(y[1]) 
Out[100]: 140529110575952 

這不是int或any other non-compound type問題。

In [105]: x = 0 

In [106]: y = [x] * 10 

In [107]: y 
Out[107]: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0] 

In [108]: y[1] = 2 

In [109]: y 
Out[109]: [0, 2, 0, 0, 0, 0, 0, 0, 0, 0] 

In [110]: id(y[0]) 
Out[110]: 140529069263200 

In [111]: id(y[1]) 
Out[111]: 140529069263152