为什么 NumPy: np.fill_diagonal() 会改变所有相关变量的对角线值？

Question

各位有经验的朋友，我在尝试使用np.fill_diagonal()的时候遇到了一个问题。首先，我从原始 NumPy 数组设置了两个子变量。然后我使用 np.fill_diagonal() 更改其中一个变量的对角线值。但是，我发现所有变量的对角线值都已更改。

请问这是为什么？所有相关的 NumPy 变量是否共享相同的内存？我怎么知道他们确切的记忆关系？谢谢！

这是简单的代码：

# we set the original one
a = np.array([[    10., 1., 1., 1.,  1.],
        [2.,  20., 140.,  8.,   57.],
        [3.,  3.,  30.,   21.,  51.],
        [4.,  4.,  21.,   40.,  56.],
        [5.,  5.,  31.,  16.,   50.]])

# the two sub-variables
b1 = a[:5,:5]
b2 = a[:5,:5]

# then I change the diagonal value of one of the sub-variables
np.fill_diagonal(b1, 0)

我们应该只改变b1的值，但实际上a、b1和b2都被改变了。请问如何只改变b1的对角线值而不影响其他？谢谢！

a

array([[  0.,   1.,   1.,   1.,   1.],
       [  2.,   0., 140.,   8.,  57.],
       [  3.,   3.,   0.,  21.,  51.],
       [  4.,   4.,  21.,   0.,  56.],
       [  5.,   5.,  31.,  16.,   0.]])

b2

array([[  0.,   1.,   1.,   1.,   1.],
       [  2.,   0., 140.,   8.,  57.],
       [  3.,   3.,   0.,  21.,  51.],
       [  4.,   4.,  21.,   0.,  56.],
       [  5.,   5.,  31.,  16.,   0.]])

Answer 1

看起来 b1 和 b2 只是对 a 的引用。尝试使用 numpy.copy() 然后执行拼接以获得“深拷贝”，以便 b1 和 b2 在内存中有自己的空间。查看 Numpy API documentation 中的 numpy.copy。

为什么 NumPy: np.fill_diagonal() 会改变所有相关变量的对角线值？

Why NumPy: np.fill_diagonal() changes the diagnoal values of all related variables?

python

arrays

numpy

numpy-ndarray