阵列今天

Question

在numpy的切片我用一些计算numpy的阵列，并发现了一个奇怪的问题，比如，假设我已经进口numpy.arange在IPython中，我运行一些脚本如下：

In [5]: foo = arange(10)              

In [8]: foo1 = foo[arange(3)]             

In [11]: foo1[:] = 0               

In [12]: foo 
Out[12]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 

In [16]: foo2 = foo[0:3]              

In [19]: foo2[:]=0                

In [21]: foo 
Out[21]: array([0, 0, 0, 3, 4, 5, 6, 7, 8, 9]) 

上面显示当我通过foo [arange（3）]切片数组时，我获得了数组切片的副本，但是当我通过foo [0：3]切片数组时，我得到了数组切片的引用，因此foo随foo2而变化。后来我想foo​​和foo2的应该有相同的ID，但似乎并非如此

In [59]: id(foo) 
Out[59]: 27502608 

In [60]: id(foo2) 
Out[60]: 28866880 

In [61]: id(foo[0]) 
Out[61]: 38796768 

In [62]: id(foo2[0]) 
Out[62]: 38813248 

... 

就更奇怪了，如果我继续检查foo和foo2的的ID，他们不是恒定的，有时候，他们做了相互匹配！

In [65]: id(foo2[0]) 
Out[65]: 38928592 

In [66]: id(foo[0])               
Out[66]: 37111504 

In [67]: id(foo[0]) 
Out[67]: 38928592 

任何人都可以解释这一点吗？我真的蟒蛇的这种动态特征混淆

非常感谢

Answer 1

foo[arange(3)] 

不是一个切片。 arange(3)的元素用于选择foo的元素来构造一个新的数组。由于这不能有效地返回视图（视图的每个元素必须是独立的引用，并且视图上的操作需要跟随太多的指针），它会返回一个新的数组。

foo[0:3] 

是切片。作为一种观点，这可以高效地完成;它只需要调整一些边界。因此，它返回一个视图。

id(foo[0]) 

foo[0]不是指一个特定的Python对象。为每个数组元素保留单独的Python对象将会非常昂贵，否定了numpy的许多好处。相反，当在numpy ndarray上执行索引操作时，numpy将构造一个新对象以返回。每次你都会得到一个不同ID的对象。