Python 中的二维数组是否存在混叠？

Question

我知道列表别名是 Python 中的一个问题，但我想不出解决办法。

def zeros(A):
    new_mat = A
    for i in range(len(A)):
        for j in range(len(A[i])):
            if A[i][j]==0:
                for b in range(len(A)):
                    new_mat[b][j] = 0
            else:
                new_mat[i][j] = A[i][j]
    return A

即使我根本不改变A的值，当我returnA时，它仍然被修改：

>>> Matrix = [[1,2,3],[5,0,78],[7,3,45]]
>>> zeros(Matrix)
[[1, 0, 3], [5, 0, 78], [7, 0, 45]]

这个列表有别名吗？如果是这样，您如何在不发生混叠的情况下修改二维数组的元素？非常感谢 <3.

Answer 1

new_mat = A[:]

这会创建列表的副本，而不仅仅是引用它。试一试。

[:]只是指定了从头到尾的一个切片。例如，您可以 [1:] 表示从元素 1 到末尾，或者 [1:4] 表示元素 1 到 4。查看列表切片。

Answer 2

new_mat = A 不创建新矩阵。您只是为对象命名为 A。如果它是数字列表的列表，您可能需要使用 copy.deepcopy to create a full copy, and if it's a numpy array you can use the copy 方法。

Answer 3

这可能会对其他人有所帮助。就这样做吧。

import copy

def zeros(A):
    new_mat = copy.deepcopy(A)

Answer 4

快速解释

如果你想让 A 成为原始矩阵，你的函数应该是这样的。只需使用 np.copy() 函数

def zeros(A):
    new_mat = np.copy(A) #JUST COPY IT WITH np.copy() function
    for i in range(len(A)):
        for j in range(len(A[i])):
            if A[i][j]==0:
                for b in range(len(A)):
                    new_mat[b][j] = 0
            else:
                new_mat[i][j] = A[i][j]
    return A

详尽的解释

假设我们不希望 numpy ndarray a 有别名。例如，我们想要防止 a 在我们取（例如）它的一部分时更改它的任何值，我们将这个切片分配给 b 然后我们修改 b 的一个元素。我们想避免这种情况：

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = a[0]
b[2] = 50
a
Out[]: 
array([[ 1,  2, 50],
       [ 4,  5,  6],
       [ 7,  8,  9]])

现在您可能认为将 numpy-ndarray 对象视为列表对象可能会解决我们的问题。但它也不起作用：

%reset #delete all previous variables
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = a[:][0] #this is how you would have copied a slice of "a" if it was a list
b[2] = 50
a
Out[]: 
array([[ 1,  2, 50], #problem persists
       [ 4,  5,  6],
       [ 7,  8,  9]])

在这种情况下，如果您将 numpy 数组视为与 python 列表不同的对象，问题就解决了。为了复制 numpy 数组，你不能做 copy = name_array_to_be_copied[:]，但是 copy = np.copy(name_array_to_be_copied)。因此，这将解决我们的别名问题：

%reset #delete all previous variables
import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.copy(a)[0] #this is how you copy numpy ndarrays. Calling np.copy() function
b[2] = 50
a
Out[]: 
array([[1, 2, 3], #problem solved
       [4, 5, 6],
       [7, 8, 9]])

P.S。注意 zeros() 函数。即使在修复了别名问题之后，您的函数也不会将 new_matrix 中的列转换为 0，这些列在矩阵 A 的同一列中至少有一个零（这就是我认为您想通过查看错误地报告了函数 [[1, 0, 3], [5, 0, 78], [7, 0, 45]] 的输出，因为它实际上产生了 [[1,0,3],[5,0,78],[7,3,45]]）。如果你想要，你可以试试这个：

def zeros_2(A):
    new_mat = np.copy(A)
    for i in range(len(A[0])): #I assume each row has same length.
        if 0 in new_mat[:,i]:
            new_mat[:,i] = 0
    print(new_mat)
    return A

Python 中的二维数组是否存在混叠？

Is there aliasing in a 2-D array in Python?

python

arrays

matrix

pointer-aliasing