为什么我的 numpy 构造忽略元组解构？

Question

编辑：让我澄清一下原始 post

中的神秘变量

分配一些变量

WHITE = 0 #UP
BLUE = 1 #DOWN
ORANGE = 2 #LEFT
GREEN = 3 #FRONT
RED = 4 #RIGHT
YELLOW = 5 #BACK

首先，我创建一个 janky 矩阵：

cube = np.array([
        np.array([
          np.array([WHITE, WHITE, WHITE]),np.array([WHITE, WHITE, WHITE]), np.array([WHITE, WHITE, WHITE])
        ]),
        np.array([
         np.array([BLUE, BLUE, BLUE]), np.array([BLUE, BLUE, BLUE]), np.array([BLUE, BLUE, BLUE])
        ]),
        np.array([
         np.array([ORANGE, ORANGE, ORANGE]), np.array([ORANGE, ORANGE, ORANGE]), np.array([ORANGE, ORANGE, ORANGE])
        ]),
        np.array([
         np.array([GREEN, GREEN, GREEN]), np.array([GREEN, GREEN, GREEN]), np.array([GREEN, GREEN, GREEN])
        ]),
        np.array([
         np.array([RED, RED, RED]), np.array([RED, RED, RED]), np.array([RED, RED, RED])
        ]),
        np.array([
         np.array([YELLOW, YELLOW, YELLOW]), np.array([YELLOW, YELLOW, YELLOW]), np.array([YELLOW, YELLOW, YELLOW])
        ])
      ])

np.arrays是我的调试尝试之一。

接下来，我尝试通过元组解构来交换列、行等：

rubiks[LEFT][:,2], rubiks[DOWN][0] = rubiks[DOWN][0], rubiks[LEFT][:,2]

结果好像是迭代应用的：

[[1 1 1]
  [1 1 1]
  [1 1 1]]

 [[2 2 1]
  [2 2 1]
  [2 2 1]]

应该是：

[[2 2 2]
  [1 1 1]
  [1 1 1]]

 [[2 2 1]
  [2 2 1]
  [2 2 1]]

我想我误解了什么，但这不应该像预期的那样交换值吗？

Answer 1

右侧的切片生成引用（或 numpy 术语中的 'view'）。如果强制复制，您可以获得预期的行为。

import numpy as np
a = np.array([1, 2])
a[:1], a[1:] = a[1:], a[:1]
print(a) # [2 2]

import numpy as np
a = np.array([1, 2])
a[:1], a[1:] = a[1:].copy(), a[:1].copy()
print(a) # [2 1]

多变量赋值本质上是一个元组打包和解包。赋值表达式右侧的 Numpy 切片将仅提供引用而不是副本在创建右侧元组时。第二次赋值生效时，a的底层存储已经被修改

https://numpy.org/doc/stable/reference/arrays.indexing.html#basic-slicing-and-indexing

一般来说，避免弄清楚 numpy 切片是否会自动成为副本。在逻辑上必要时复制一份。

为什么我的 numpy 构造忽略元组解构？

Why do my numpy constructs ignore tuple deconstruction?

python

tuples

numpy

iterable-unpacking