给字典中的值赋值时，是什么导致 Python 出现这种奇怪的结果？

Question

我最近将某些代码中的错误减少为以下行为的结果：

>>> arr = np.zeros(10)
>>> value = 0
>>> dictionary = {"key":[arr,value]}
>>> dictionary["key"][0]
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])
>>> dictionary["key"][1]
0
>>> dictionary["key"][0]+=1
>>> dictionary["key"][1]+=1
>>> dictionary["key"][0]   
array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
>>> dictionary["key"][1]   
1
>>> arr
array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
>>> value
0

导致：

>>> dictionary["key"][0] is arr
True
>>> dictionary["key"][1] is value 
False

可能是个愚蠢的问题，但这是什么原因造成的？

Answer 1

对于 numpy 数组，您有 相同的 对象分配了名称 arr 并且在您的字典中。因此，当你修改它时，你会看到两者都出现了变化，毕竟它们是同一个对象，而且 numpy 数组是 mutable.

对于整数，当您执行 dictionary["key"][1]+=1 时，您将在字典中创建一个新的整数，这是因为整数是 不可变的 [1]。这意味着两个整数（value 和 dictionary["key"][1]）是不同的对象，因此一个被修改而另一个没有被修改。

[1] 看起来 x = 2; x += 1 是在同一个对象上操作，毕竟 += 应该做 "in-place" 操作，但这不是因为不变性。在幕后，您实际上是用一个新的整数对象重新绑定 x，因此它们具有相同的名称，但是是不同的对象。

Answer 2

答案在于 numpy 数组（可变）和整数（不可变）之间的区别。当您执行此操作时：

dictionary["key"][0]+=1

这就地改变了 numpy 数组，因此仍然是同一个对象。

当您执行此操作时：

dictionary["key"][1]+=1

不能就地改变整数（不可变），因此分配了一个新对象（这就是为什么 is returns False）。

给字典中的值赋值时，是什么导致 Python 出现这种奇怪的结果？

What causes this strange result in Python when assigning to values in a dictionary?

python

dictionary

numpy

variable-assignment