Python - 数组 copying/assign，numpy 的意外“=array[:]”行为

Question

我正在阅读有关通过引用或值复制数组 (&list) 的内容。但是，我 运行 这里遇到了一个问题。为了说明我的问题，我做了三个例子，每个例子都有一个赋值和一个变化。

第一个例子：默认是引用复制
因此，更改会影响 a 和 ArrayA，它们都具有相同的地址。好的

第二个示例： 由于首先计算右侧，因此 *1 不会更改其值，但会导致按值复制。 （我认为这也可以通过其他几种方式完成，比如使用 copy() 和 ..）
因此，更改只会影响 c，它的地址与 ArrayC 不同。好的

第三个例子： 据我所知，这里我将 [:] 添加到数组中，从而复制数组（=按值）。可以通过e和ArrayE的不同地址来确认。然而，这个变化不仅影响 e，也影响 ArrayE。对我来说，这非常出乎意料，因为它之前甚至向我展示了不同的地址。为什么？

提前致谢=)

import numpy as np
# Example 1, by reference
ArrayA = np.array([5,2,3,5,4])
ArrayB = np.array(  [1,2,3,4])

a = ArrayA
a[1:] += ArrayB

print("{}:\t{},\tid: {}".format("ArrayA",ArrayA, id(ArrayA) ))
print("{}:\t  {},\tid: {}".format("ArrayB",ArrayB, id(ArrayB) ))
print("{}:\t{},\tid: {}".format("a",a, id(a) ))

ArrayC = np.array([5,2,3,5,4])
ArrayD = np.array(  [1,2,3,4])


# Example 2, by value
c = ArrayC*1
c[1:] += ArrayD

print()
print("{}:\t{},\tid: {}".format("ArrayC",ArrayC, id(ArrayC) ))
print("{}:\t  {},\tid: {}".format("ArrayD",ArrayD, id(ArrayD) ))
print("{}:\t{},\tid: {}".format("c",c, id(c) ))

# Example 3, by reference/value?!?!
ArrayE = np.array([5,2,3,5,4])
ArrayF = np.array(  [1,2,3,4])

e = ArrayE[:]
e[1:] += ArrayF

print()
print("{}:\t{},\tid: {}".format("ArrayE",ArrayE, id(ArrayE) ))
print("{}:\t  {},\tid: {}".format("ArrayF",ArrayF, id(ArrayF) ))
print("{}:\t{},\tid: {}".format("e",e, id(e) ))

ArrayA: [5 3 5 8 8],    id: 2450575020480
ArrayB:   [1 2 3 4],    id: 2450575021680
a:      [5 3 5 8 8],    id: 2450575020480

ArrayC: [5 2 3 5 4],    id: 2450575021280
ArrayD:   [1 2 3 4],    id: 2450575022080
c:      [5 3 5 8 8],    id: 2450575022240

ArrayE: [5 3 5 8 8],    id: 2450575022640
ArrayF:   [1 2 3 4],    id: 2450575022000
e:      [5 3 5 8 8],    id: 2450575022880

Answer 1

已编辑 - 请参阅下面@juanpa.arrivillaga 的评论。

在您的所有示例中，ndarrays 的 值 是
numpy.int32 个对象，它们是 可变的。
因此，从您的第三个示例中，e 和 ArrayE 都指向相同的 numpy.int32 对象。
这就是为什么更改会反映在两者上的原因。
您可以通过检查他们的 ID 来验证这一点。

print(id(e[0]) == id(ArrayE[0]))