Python - 为啥通过值传递的 ndarray 在函数外部发生变化？ [复制]

Posted 2023-02-25

【中文标题】Python - 为啥通过值传递的 ndarray 在函数外部发生变化？ [复制]

【英文标题】：Python - Why ndarray passed by value changes outside function? [duplicate]Python - 为什么通过值传递的 ndarray 在函数外部发生变化？ [复制]

【发布时间】：2017-08-23 05:55:01

【问题描述】：

我有以下功能：

def a_function(foo):
    bar = foo
    print("bar1: ", bar, id(foo))
    bar[0] = foo[2]
    print("bar2: ", bar, id(foo))

以列表为参数调用：

foo = [0, 1, 2, 3, 4, 5, 6, 7, 8]
print("foo1: ", foo, id(foo))
a_function(foo[:])
print("foo2: ", foo, id(foo))

输出：

foo1:  [0, 1, 2, 3, 4, 5, 6, 7, 8] 140118901565768
bar1:  [0, 1, 2, 3, 4, 5, 6, 7, 8] 140118901566472
bar2:  [2, 1, 2, 3, 4, 5, 6, 7, 8] 140118901566472
foo2:  [0, 1, 2, 3, 4, 5, 6, 7, 8] 140118901565768

以ndarray为参数调用：

foo = np.arange(0,9)
print("foo1: ", foo, id(foo))
a_function(foo[:])
print("foo2: ", foo, id(foo))

输出：

foo1:  [0 1 2 3 4 5 6 7 8] 139814139381760
bar1:  [0 1 2 3 4 5 6 7 8] 139814115258000
bar2:  [2 1 2 3 4 5 6 7 8] 139814115258000
foo2:  [2 1 2 3 4 5 6 7 8] 139814139381760

我将它作为副本传递 foo[:] 甚至在函数内部再次复制，它也有自己的 id。然而，当 foo2 是一个 ndarray 时，它在函数范围之外改变了它的值。这怎么可能？

【问题讨论】：

阅读上述副本中的 NumPy 答案。它基本上制作了数组的浅拷贝。尝试使用foo.copy()。

@rayryeng: [:] 为 Python 列表创建一个浅拷贝。对于 numpy 数组，[:] 不会复制，它只会在数组中创建另一个视图。

@J.F.Sebastian 对。我混淆了我的术语。感谢您的澄清。

@rayryeng：注意：不同之处不仅仅是文字。 Modifying a copy may keep the original list intact but modifying an array view changes the original.

【参考方案1】：

首先，你不会通过传递序列的完整切片来传递“按值”，Python 总是通过赋值，即隐式发生的第一件事是foo = argument 当调用你的函数。

现在回答你的实际问题：

创建一个完整的列表切片会创建一个新列表。您正在将原始列表的浅表副本传递给函数。

创建一个 numpy 数组的（完整）切片会在原始数组保存的相同数据（内存中的某处）上生成一个 视图。视图和原始视图共享相同的数据，如果您更改其中一个的内容，则更改在所有视图中都是可见的。

延伸阅读：http://scipy-cookbook.readthedocs.io/items/ViewsVsCopies.html

【讨论】：

我知道 Python 通过赋值传递。我发现这很有帮助：http://***.com/questions/986006/how-do-i-pass-a-variable-by-reference。我刚刚看到我可以通过复制适用于列表的序列“foo [:]”来隐式传递它。但无论如何你是对的。我将不得不阅读 numpy 文档中的视图。谢谢。

【参考方案2】：

在 Python 中，

bar = foo

不制作副本。 bar 和 foo 引用同一个数组对象。

此操作会复制一个列表，但只是一个数组的view：

foo[:]

如果要将bar 中的更改与foo 隔离开，则需要使用foo.copy()。

我建议查看一些基本的 numpy 文档，尤其是关于视图和副本的内容。

【讨论】：

我会读到关于 numpy 中的视图。 foo.copy() 解决了这个问题。谢谢。