a = b似乎是相同的，而不是副本。为什么？

Question

Hello Python/iPython用户。

我发现了Python使用numpy数组的奇怪行为。我自己找到了解决问题的办法，但我很想得到解释。提前致谢。

这里的问题： 使用IPython中创建一个numpy的阵列和一个副本，称为B：

import numpy as np 
a=np.zeros(5) 
b=a 

然而，B似乎是相当的身份，而不是一个副本，因为改变b也会改变。

b[0]=1 
a 
array([ 1., 0., 0., 0., 0.]) 

的解决方案是使用b=a.copy()而非b=a，但我想明白为什么这是蟒蛇的情况。我对Matlab，R和Fortran非常熟悉，从未遇到过这样的问题。为什么有人想为同一个数据取一个名字而不是这个向量的副本？只是一些python特定的语法的东西，还是有更多的理解？

Answer 1

它只是一个python约定。所有的赋值都不会做任何事情，只是为现有的对象创建一个新的句柄。这是一个非常明智的规则，因为它使语义简单而透明。在其他语言中，您可能经常会想知道您是修改现有对象还是创建一个新句柄。如果你想要做的不是在现有对象上打一个新名字，python总是强迫你做出明确的表示。至于你为什么要这样做：试着找到任何一段python代码，看看它包含了多少赋值语句。显然有它的用途;）。

Answer 2

这确实是python中一些对象的特殊性。 numpy数组实际上是从python的“list”对象派生出来的，它的作用方式与此相同。

实际上，当您在python（或一个numpy数组）中创建一个列表时，数据存储在内存中的给定位置。 的标识号被关联到该位置，并且可以使用该函数“ID”

a = [1, 2, 3] 
print id(a) 

如果键入“B = A”看到它，B将朝向相同的存储单元的一个点。因此a和b将具有相同的 识别号码。

a = [1, 2, 3] 
print id(a) 
b = a 
print id(b) 

你必须非常小心，因为任何对will的修改都会影响b。 “复制”方法将创建的一个深拷贝，这意味着30b存储到一个新的存储位置

a = numpy.array([1, 2, 3]) 
print id(a) 
b = a 
print id(b) 
c = a.copy() 
print id(c) 

有相当于现在的“复制”的名单，而不是必须使用“：”符号

a = [1, 2, 3] 
print id(a) 
b = a 
print id(b) #a and b are the same 
c = a[:] 
print id(c) #c is a deep copy of a