在 numpy 中的赋值中 arr[:] 的含义是什么

Question

我偶尔会使用numpy，我试图在如何矢量化操作方面变得更聪明。我正在阅读一些代码并试图理解以下内容的语义：

arr_1[:] = arr_2

在这种情况下，

我知道在 arr[:, 0] 中，我们选择数组的第一列，但我对arr_1[:] = arr_2和arr_1 = arr_2之间的区别感到困惑

Answer 1

你的问题涉及基本的Python语法和numpy具体细节的混合。 在许多方面，列表是相同的，但不完全一样。

arr[:, 0]返回arr的第一列（视图），arr[:,0]=10将该列的值设置为 10。

arr[:]返回arr（alist[:]返回列表的副本）。 arr[:]=arr2执行就地替换;将 arr 的值更改为 arr2 的值。 arr2的值将根据需要进行广播和复制。

arr=arr2设置arr变量指向的对象。 现在arr和arr2指向同一件事（无论是数组、列表还是其他任何东西）。

arr[...]=arr2在复制所有数据时也有效

在交互式会话中播放这些操作。 尝试arr2形状的变化，以查看值是如何广播的。 还要选中id(arr)以查看变量指向的对象。 arr.__array_interface__查看数组的数据缓冲区。 这有助于区分视图和副本。

Answer 2

arr_1[:] = ...更改arr_1引用的现有列表对象的元素。

arr_1 = ...使名称arr_1引用不同的列表对象。

主要区别在于，如果其他名称也引用原始列表对象，会发生什么情况。如果是这种情况，那么前者会更新两个名称所指的东西;而后者改变了一个名称所指的内容，而另一个名称则保留了原始事物。

>>> a = [0]
>>> b = a
>>> a[:] = [1]
>>> print(b)
[1]                 <--- note, change reflected by a and b
>>> a = [2]
>>> print(b)
[1]                 <--- but now a points at something else, so no change to b

Answer 3

也许最好通过使用id来检查每个变量的内存位置来理解。

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
>>> id(arr1)
4595568512
>>> id(arr2)
4595566192
# Slice assignment
arr1[:] = arr2
>>> arr1
array([4, 5, 6])
>>> id(arr1)  # The object still points to the same memory location of `arr1`.
4595568512
# Reassignment.
arr1 = arr2
>>> id(arr1)  # The object is now pointing to the object located to where `arr2` points.
4595566192

Answer 4

使用 arr_1[:] = arr_2 是 arr_1.__setitem__(slice(None, None), arr_2) 的快捷方式。 使用而不是arr_1 = arr_2的原因是当你使用__setitem__时，你正在修改arr_1，而当你说arr_1 = arr_2时，你正在重新定义arr_1。 因此，使用 __setitem__ 将修改对arr_1对象的其他引用，而不仅仅是重新定义arr_1。