Python 中的二维数组中是否存在混叠

Question

我知道列表别名在Python中是一个问题，但是我想不出解决方法。

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

即使我根本不更改 A 的值，当我返回 A 时，它仍然会被修改：

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

此列表是否别名？ 如果是这样，如何在不发生混叠的情况下修改 2D 数组的元素？ 谢谢 muhc <3。

Answer 1

new_mat = A不会

创建新矩阵。您只是为您也知道的 A 对象起了一个新名称。如果是数字列表列表，您可能希望使用 copy.deepcopy 创建完整副本，如果它是一个 numpy 数组，则可以使用 copy 方法。

Answer 2

new_mat = A[:]

这将创建列表的副本，而不仅仅是引用它。试一试。

[:]只是从头到尾指定一个切片。例如，你可以有[1:]，它将是从元素 1 到末尾，或者[1:4]，它将是元素 1 到 4。查看有关此的列表切片。

Answer 3

这可能会帮助其他人。 就这样做。

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()功能

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有混叠。例如，我们希望防止a在获取（例如）切片时更改其任何值，我们将该切片分配给b然后修改 b 的一个元素。我们希望避免这种情况：

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]])

现在你可能会认为，把一个numpy-ndarray对象当作一个列表对象来处理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，则问题就解决了。为了复制 numpy 数组，你不能做copy = name_array_to_be_copied[:]，但copy = np.copy(name_array_to_be_copied) .因此，这将解决我们的混叠问题：

%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]])

---

附言注意zeros()功能。即使在修复了混叠问题之后，您的函数也不会将矩阵 A 的同一列中至少有一个零的new_matrix中的列转换为 0（这就是我认为您想通过查看错误报告的函数输出来编译的函数[[1, 0, 3], [5, 0, 78], [7, 0, 45]]，因为它实际上产生 [[1,0,3],[5,0,78],[7,3,45]] ）。如果你愿意，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