关于numpy：python中变量定义的意外行为


unexpected behaviour with variables definition in python

本问题已经有最佳答案，请猛点这里访问。

Possible Duplicate:
Variable assignment and modification (in python)

我刚刚注意到，python中的变量赋值有一些我没有预料到的行为。例如:

1
2
3
4
5
6
7
8
9
import numpy as np
A = np.zeros([1, 3])
B = A

for ind in range(A.shape[1]):
    A[:, ind] = ind
    B[:, ind] = 2 * ind
print 'A = ', A
print 'B = ', B

输出

a [ [ 0 ]。2。4。]

B=〔0〕。2。4。]

当我期待：

a＝〔0〕1。2。]

B=〔0〕。2。4。]

如果我用"b=np.zeros([1，3])"替换"b=a"，那么我就有了正确的选择。我无法在IPython终端中重现意想不到的结果。我在Scite 3.1.0中使用f5键运行代码得到了这个结果。我在Win7中使用的是python(x，y)2.7.2.3发行版。

1
B = A

使A和B指向同一对象。这就是为什么它们会同时改变。

使用

1
B = A.copy()

它会像期待的那样工作。

在您的代码中，B只是A的另一个名称，因此当您更改其中一个时，您会更改另一个。这是Python中可变对象的常见"问题"。使用numpy数组，可以使用copy()函数。

但是，这种情况也会发生在可变容器上，如列表或字典。为了避免这种情况，您可以使用以下方法之一：(取决于变量的复杂性)

1
2
3
B = A[:]  #makes a copy of only the first level of the mutable
B = copy(A)  #same as above, returns a 'shallow copy' of A
B = deepcopy(A)  #copies every element in the mutable, on every level

注意，要使用copy和deepcopy功能，需要从标准模块copy导入它们。

另见：这个问题

相关讨论