有什么区别？ numpy.Array通过Ref

Question

为什么我们在这些NP array上有两种不同的行为？

    def pass_by_ref(A: np.array):
        A = np.ones((2,2))
        return A

    def pass_by_ref_sideEffect(A: np.array):
        A[0][0] = 2
        return A


    A = np.zeros((2,2))

    B = pass_by_ref(A)
    print("A =\n", A)
    print("B =\n", B)

    C = pass_by_ref_sideEffect(A)
    print("A =\n", A)
    print("C =\n", C)

输出：

    A =
     [[0. 0.]
     [0. 0.]]
    B =
     [[1. 1.]
     [1. 1.]]
    A =
     [[2. 0.]
     [0. 0.]]
    C =
     [[2. 0.]
     [0. 0.]]

为什么我们会对pass_by_ref_sideeffect而不是pass_by_ref产生副作用？

Answer 1

这与您在变量中传递的方式无关，与分配的工作方式有关。在pass_by_ref（）此行a = np.ones（（2,2））创建一个新数组并将其分配给本地名称a。原始数组对象仍然存在，但是a不再指它。在另一种情况下，您是通过使用a [0] [0] = 2将原始数组来操纵原始数组。

如果您想在第一种情况下具有副作用，则分配给类似的片段：

def pass_by_ref(A: np.array):
    A[:,:] = np.ones((2,2))
    return A

A = np.zeros((2,2))
B = pass_by_ref(A)

print(A)
[[1., 1.],
 [1., 1.]]

print(B)
[[1., 1.],
 [1., 1.]]

以下是一个示例，在不传递变量中的函数中演示这一点：

In [1]: import numpy as np

In [2]: A = np.zeros((2,2))

In [3]: B = A

In [4]: B
Out[4]:
array([[0., 0.],
       [0., 0.]])

In [5]: A[:,:] = np.ones((2,2))

In [6]: B
Out[6]:
array([[1., 1.],
       [1., 1.]])

Answer 2

当Python调用该函数时，它将传递对象的引用。当您使用a [0] [0] = 2进行分配时，它将根据variable a指向的对象的地址取代它写。但是，如果您使用a = np.ones（（（2，2）），将创建​​一个新数组并制作变量a指向它。