从 b.diagonal() 获得的 Python ndarray a 在 b 修改后其值发生了变化

Question

我对下面代码的行为有点困惑，想知道是否有人可以解释这一点。基本上我有一个名为 mat 的矩阵，它是一个 numpy ndarray，我使用 mat.diagonal() 获取它的对角线并将其分配给变量 diag 。我将 mat 的所有对角线值更改为 100，现在我发现 diag 的值也全部更改为 100，这似乎表明 diag 直接引用 mat 中的元素，但是当我抽查 diag 中第一个元素的内存地址时，与垫子相比，它们是不同的。怎样看待这个问题才是正确的呢？谢谢！

import numpy as np
import pandas as pd

mat_df = pd.DataFrame(data=[[1,2,3], [4,5,6], [7,8,9]])
print(mat_df)

mat = mat_df.values
diag = mat.diagonal()
print(diag)
diag_loc = np.diag_indices_from(mat)
mat[diag_loc] = 100
print(diag)

print(diag[0])
print(id(diag[0]))
print(mat[0][0])
print(id(mat[0][0]))

输出：

垫子

0 1 2 0 1 2 3 1 4 5 6 2 7 8 9

诊断

[1 5 9]

diag 的值因 mat 的变化而变化

[100 100 100]

diag 的第一个值

100

及其地址

139863357577488

mat 的第一个值

100

及其地址

139863376059664

Answer 1

您无法通过

id

知道地址。首先，

id

不返回地址（尽管如此，CPython 实现使用内存地址来构建

id

，这只是一种实现，并且本身不是地址）。其次，这只是 python 对象的地址（在您的情况下是包装

numpy.int64

的地址）。

该 python 对象只是为了包装任何 numpy 函数（对 python 不透明：python 不知道它们何时应该返回相同的值）返回而构建。

您可以做一些简单的实验来说服自己，您的

id

毫无意义

id(diag[0])
# 139729998312368
id(diag[0])
# 139730045496016

看，即使是连续两次完全相同的调用也不会返回相同的 id！

diag[0]

是对 numpy 的

diag.__getitem__(0)

的调用。包装到每次都不同的 python 容器中，就像调用任何函数

f(0)

的结果一样，没有理由假设每个相同的调用都会返回完全相同的结果。

因此，如果你想知道实际的

int64

存储在哪里，你不能问 python（及其

id

函数），因为这不仅是现在

id

的用途，而且更重要的是，python 不这样做我不知道。

int64

存储在哪里是 numpy 库的内部问题。所以你需要问numpy。

最好的方法是使用

base

恕我直言。

diag.base
#array([[100,   2,   3],
#       [  4, 100,   6],
#       [  7,   8, 100]])

但是，如果您坚持拥有某种地址，您也可以

diag.ctypes.data
# 61579664
mat.ctypes.data
# 61579664