numpy 切片和索引不同的结果

Posted 2023-02-14

【中文标题】numpy 切片和索引不同的结果

【英文标题】：numpy slicing and indexing different results

【发布时间】：2018-10-17 05:54:00

【问题描述】：

在通过任何切片、掩码或花式索引操作获得的numpy子数组中，都只是原始数组的视图，可以证明如下：

$ python3
Python 3.5.2 (default, Nov 23 2017, 16:37:01) 
[GCC 5.4.0 20160609] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> np.__version__
'1.11.0'

>>> a = np.arange(3); a[:2] = 111; a
array([111, 111,   2])

>>> a = np.arange(3); a[a<2] = 111; a
array([111, 111,   2])

>>> a = np.arange(3); a[[0,1]] = 111; a
array([111, 111,   2])

在上面的例子中，整个子数组被赋值。但是，如果我们分配给子数组的一个元素，切片操作的结果仍然表现为视图，而屏蔽和花式索引操作的结果表现为独立副本：

>>> a = np.arange(3); a[:2][0] = 111; a
array([111,   1,   2])

>>> a = np.arange(3); a[a<2][0] = 111; a
array([0, 1, 2])

>>> a = np.arange(3); a[[0,1]][0] = 111; a
array([0, 1, 2])

这是 numpy 中的错误，还是设计使然？如果是有意为之，那么这种不一致的依据是什么？

【参考方案1】：

这不是错误。只要您将切片对象传递给 Numpy 数组，返回的子数组就是原始项目的视图，这意味着即使切片分配或单个项目分配也会改变原始数组。但在其他情况下，返回的结果不是视图。事实上，它是所选切片的浅视图（副本），它只支持切片分配，就像 Python 中的其他可变对象一样。

documentation中也提到过：

[...] 与索引数组一样，返回的是数据的副本，而不是切片时的视图。

【讨论】：

好的，这意味着我还不太了解 Python 中赋值的工作原理。现在我的第一印象是 a[i] 的评估方式不同，具体取决于它是否出现在赋值运算符的左侧。重读文档，我发现对于用户定义的对象，赋值 object[expr] = ... 是通过 object.__setitem__ 评估的，而在其他情况下则使用 object.__getitem__。

@Leon 确实如此。这就是在 Python 中设置项目和获取项目的方式。