Numpy數組和列表的多重賦值，一個好奇的例子

Question

考慮多重賦值x[0],y = y,x[0]。應用於以下四種情況中的每一種情況下，這給出了四種不同的結果。

• 情況1：

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

  給出

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

• 情況2：

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

  給出

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

• 情況3：

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

  給出

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

• 情況4：

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

  給出

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

似乎列表的多重賦值比Numpy數組的多重賦值更智能（自動執行臨時變量）。

想法？

編輯：它畢竟不是聰明......

Answer 1

這裏唯一令人驚訝的情況下應該是2 & 4：

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

給

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

因爲其他人都只是圍繞數據類型的交換，但保持相同的值。

使用numpy時有什麼不同，x[0]返回一個視圖，而不是副本。因此，即使在數組中的分配寫出臨時明確失敗：

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

因爲temp一種觀點認爲是永遠不變的x[0]，而不是在那個時間點的x[0]值的副本。

爲了使這一工作，爲numpy的情況下，你應該使用x[0],y = y,x[0].copy()

Answer 2

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

等於

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

由於@Scimonster指出，

當分配到一個numpy的陣列，它將其轉化爲 Numpy陣列的一部分。

所以這是正常的行爲。