从 b.diagonal() 获得的 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

。我把

mat

的所有对角线值都改为100。现在我发现

diag

的值也全部改为100，这似乎表明

diag

直接引用了

mat

中的元素。然而，当我检查

dia

g 中第一个元素的内存地址并将其与

mat

的内存地址进行比较时，它们是不同的。正确的看待这个问题的方法是什么？

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]))

mat

：

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

diag

：

[1 5 9]

diag

的值会因

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]])
diag.base is mat.base
# True

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

或者，有关查看哪些数据以及如何通过数组查看数据的更完整信息

mat.__array_interface__
# {'data': (61579664, False), 'strides': (8, 24), 'descr': [('', '<i8')], 'typestr': '<i8', 'shape': (3, 3), 'version': 3}
diag.__array_interface__
# {'data': (61579664, True), 'strides': (32,), 'descr': [('', '<i8')], 'typestr': '<i8', 'shape': (3,), 'version': 3}

展示了两者如何使用相同的“数据”但使用不同的“步幅”和“形状”来使用它。