为什么在似乎是数据副本的操作上修改原始数据？

Posted 2021-04-14

让我们引用numpy手册：https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#advanced-indexing

当选择对象obj是非元组序列对象，ndarray（数据类型为integer或bool）或具有至少一个序列对象或ndarray（数据类型为integer或bool）的元组时，将触发高级索引。高级索引有两种类型：整数和布尔值。

高级索引始终返回数据的副本（与返回视图的基本切片形成对比）。

然后对高级索引返回的内容进行操作永远不应该修改原始数组。事实上：

import numpy as np

arr = np.array([0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
indexes = np.array([3, 6, 4])

slicedArr = arr[indexes]
slicedArr *= 5
arr

这打印：

array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

但是，情况似乎并非总是如此。奇怪的是，如果我不保存[]运算符返回的任何中间变量，我会以某种方式在原始数组上运行。请考虑这个例子：

import numpy as np

arr = np.array([0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
indexes = np.array([3, 6, 4])

arr[indexes] *= 5
arr

这打印：

array([  0,  10,  20, 150, 200,  50, 300,  70,  80,  90])

我不抱怨。实际上，这对我来说是一个救生员。然而，我不明白为什么这样做，我真的很想理解这一点。

据我所知，只要我写arr[indexes]，我就会创建一个数组的副本;所以随后的*= 5应该在这个副本上运行而不是在原始阵列上运行。但是，应该放弃这种计算的结果，因为它不会写入任何变量。

但显然我错了。

我的误会在哪里？

答案

虽然声明

a = expr

和

a[x] = expr

看起来相似，它们实际上是根本不同的。第一个将名称'a'绑定到expr。第二个是或多或少equivalent到a.__setitem__(x, expr)。 __setitem__实际上做的是取决于实现它的人，但传统的语义是用a在x指示的位置更新容器对象expr。特别是，没有创建“代表a[x]”的中间对象。

只是为了完整性a[x]，如果它不在l.h.s.s.在语法上看起来像一个赋值或多或少等同于a.__getitem__(x)。

更新以回应后续问题（执行a[x] *= 5时会发生什么？）让我们检测相关方法，以便我们可以看到发生了什么。下面，__imul__是就地乘法“魔法”：

import numpy as np

class spy(np.ndarray):
    def __getitem__(self, key):
        print('getitem',  key)
        return super().__getitem__(key)
    def __setitem__(self, key, value):
        print('setitem', key)
        return super().__setitem__(key, value)
    def __imul__(self, other):
        print('imul', other)
        return super().__imul__(other)

a = spy((5, 5))
a[...] = 1
a[[1,2],[4,2]] *= 5

打印：

setitem Ellipsis
getitem ([1, 2], [4, 2])
imul 5
setitem ([1, 2], [4, 2])

另一答案

这里的关键点是

高级索引始终返回数据的副本

在第二个示例中，您没有使用索引返回任何内容。您只使用索引来修改值。因此，您正在修改的对象是原始对象。不是副本。