Numpy 数组和列表的多重赋值，一个奇怪的例子

Posted 2023-02-25

【中文标题】Numpy 数组和列表的多重赋值，一个奇怪的例子

【英文标题】：Multiple assignment with Numpy arrays and lists, a curious example

【发布时间】：2017-04-30 20:15:25

【问题描述】：

考虑多重赋值x[0],y = y,x[0]。应用到以下四种情况中的每一种，这会产生四种不同的结果。

案例一：

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

给予

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

案例 2：

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

给予

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

案例 3：

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

给予

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

案例 4：

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

给予

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

列表的多重赋值似乎比 Numpy 数组的多重赋值更智能（自动通过临时变量）。

想法？

编辑：毕竟不是更聪明...

【问题讨论】：

“看起来列表的多重赋值比 Numpy 数组的多重赋值更智能（自动通过一个临时变量）。” - 为何如此？当分配给 Numpy 数组时，它会将其变成 Numpy 数组的一部分。

【参考方案1】：

这里唯一令人惊讶的情况应该是 2 和 4：

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

给予

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

因为其他只是交换数据类型，但保持相同的值。

使用 numpy 时的不同之处在于 x[0] 返回的是视图，而不是副本。因此，即使在元组赋值中明确写出临时值也会失败：

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

因为temp 是一个始终与x[0] 相同的视图，而不是当时x[0] 值的副本。

要使这项工作适用于 numpy 案例，您应该使用 x[0],y = y,x[0].copy()

【讨论】：

嗯，是的，2 和 4 是有趣的，但为了完整起见，我将它们都添加了。

【参考方案2】：

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

等于

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

正如@Scimonster 指出的那样，

当分配给一个 Numpy 数组时，它会将它变成 numpy 数组。

所以这是正常行为。

【讨论】：

这两个代码块并不相等。未创建临时变量t；在内部，y 和 x[0] 被压入堆栈，被翻转，然后被弹回以进行分配。这两种方法可能导致不同的结果。

@ajcr：除了名称t被破坏之外，你能构造一个结果不同的案例吗？

@Eric：我想我记错了类似this question 的东西，我之前遇到过（我现在看到它不涉及临时变量）。我认为应该可以构建一些奇怪的例子，在赋值期间改变变量（所以保持一个临时变量不变），但在我能想出一些令人信服的东西之前，我会收回我之前的评论。