考慮以下陣列操作：
import numpy as np
def f(x):
x = 1
x = np.zeros(1)
f(x) # changes `x`
f(x[0]) # doesn't change `x`
x[0] = 1 # changes `x`
為什么x[0]根據 = 1發生在函式內部或外部而表現不同f？
我可以將陣列的一部分傳遞給函式，以便函式修改原始陣列嗎？
uj5u.com熱心網友回復：
您甚至不需要函式呼叫來查看這種差異。
x 是一個陣列：
In [138]: type(x)
Out[138]: numpy.ndarray
索引陣列的元素會回傳一個np.float64物件。它實際上從陣列中“取出”了值；它不是對陣列元素的參考。
In [140]: y=x[0]
In [141]: type(y)
Out[141]: numpy.float64
這y很像 python 浮點數；你可以 =用同樣的方式：
In [142]: y = 1
In [143]: y
Out[143]: 1.0
但這不會改變x：
In [144]: x
Out[144]: array([0.])
但這確實改變了x：
In [145]: x[0] = 1
In [146]: x
Out[146]: array([1.])
y=x[0]做了x.__getitem__電話。 x[0]=3做了x.__setitem__電話。 =使用__iadd__，但效果相似。
另一個例子：
改變x：
In [149]: x[0] = 3
In [150]: x
Out[150]: array([3.])
但試圖做同樣的y失敗：
In [151]: y[()] = 3
Traceback (most recent call last):
File "<ipython-input-151-153d89268cbc>", line 1, in <module>
y[()] = 3
TypeError: 'numpy.float64' object does not support item assignment
但y[()]被允許。
basic使用切片對陣列進行索引確實會產生view可以修改的 a：
In [154]: x = np.zeros(5)
In [155]: x
Out[155]: array([0., 0., 0., 0., 0.])
In [156]: y= x[0:2]
In [157]: type(y)
Out[157]: numpy.ndarray
In [158]: y = 1
In [159]: y
Out[159]: array([1., 1.])
In [160]: x
Out[160]: array([1., 1., 0., 0., 0.])
uj5u.com熱心網友回復：
問題不在于范圍，因為唯一取決于范圍的是可用名稱。所有物件都可以在任何具有名稱的范圍內訪問。問題是可變性與不變性之一，以及了解運算子的作用。
x是一個可變的 numpy 陣列。直接在上面f運行x = 1。 =是呼叫就地加法的運算子。換句話說，它確實*。請注意對 的重新分配，這發生在函式中。這是就地運算子的一個特性，允許它們對不可變物件進行操作。在這種情況下，是一個真正的就地運算子，它只回傳，一切都按預期作業。x = x.__iadd__(1)xndarray.__iadd__x
現在讓我們f(x[0])以同樣的方式分析。x[0]呼叫* . 當您傳入一個標量索引時，numpy 會提取一個單元素陣列并有效地呼叫它。結果是一個 python （或者，甚至可能是 a ，取決于你的陣列是什么）。無論哪種方式，物件都是不可變的。一旦它被提取的，將在運營商代替名字中的新物件，但變化不會看到函式外，陣列中的要少得多。在這種情況下，沒有對 的參考，因此預計不會發生任何變化。x.__getitem__(0)int.item()intfloattupledtype__getitem__ =fx ffx
的示例x[0] = 1與呼叫f(x[0]). 它相當于呼叫*。對 的呼叫只是 with 的部分，它回傳一個新物件，但從不重新分配。關鍵是python中的( ) 是與( ) 和(assingment) 分開的完全不同的運算子。x.__setitem__(0, x.__getitem__(0).__iadd__(1))ftype(x).__getitem__(0).__iadd__(1)__setitem__[] =__setitem__[]__getitem__=
要使第二個示例 ( f(x[0]) 起作用，您必須傳入一個可變物件。整數物件提取單個 python 物件，陣列索引進行復制。但是，切片索引回傳一個可變的視圖，并且系結到原始數??組記憶體。因此，你可以做
f(x[0:1]) # changes `x`
在這種情況下f執行以下操作：x.__getitem__(slice(0, 1, None)).__iadd__(1)。關鍵是__getitem__將可變視圖回傳到原始陣列中，而不是不可變的int。
要了解為什么不僅物件是可變的而且它是原始陣列的視圖很重要，請嘗試f(x[[0]]). 用串列索引會生成一個陣列，但會生成一個副本。Inx[[0]].__iadd__將修改您就地傳入的串列，但該串列不會復制回原始串列，因此更改不會傳播。
*這是一個近似值。當被運算子呼叫時，dunder 方法實際上被稱為 as type(x).__operator__(x, ...)，而不是x.__operator__(...)。
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/389934.html
標籤：Python 麻木的 范围 传递引用 numpy-ndarray