NumPy数组删元素修改原列表的原因及纯NumPy删除方法

为什么原inputList会被修改？ #

这是Python可变对象的引用特性导致的。列表属于可变对象，当你写dividendArray = inputList时，并没有复制出一份新列表，只是给原inputList的内存地址多绑定了一个叫dividendArray的变量名。所以对dividendArray执行的任何修改（比如del删除元素），本质都是在操作原inputList指向的那块内存数据，自然会同步影响原列表。

Python这么设计的核心目的是节省内存、提升效率——如果每次赋值都自动复制大列表，会浪费大量内存空间，处理数据的速度也会大幅下降。

直接用NumPy删除元素的便捷方法 #

既然你要处理的是二维(n,5)数组，完全没必要用列表来回转换，直接用NumPy原生方法更高效简洁：

重构后的代码示例 #

import numpy as np

def calculateRatioList(self, inputList=None, listIndex=None):
    # 将输入转换为NumPy二维数组
    arr = np.asarray(inputList)
    # 提取指定行作为除数数组（转为一维）
    divisor_array = arr[listIndex, :].flatten()
    # 删除指定行，得到被除数数组（剩余所有行）
    dividend_array = np.delete(arr, listIndex, axis=0)
    
    # 利用NumPy广播计算比值，处理除零情况
    with np.errstate(divide='ignore', invalid='ignore'):
        ratio_array = dividend_array / divisor_array[np.newaxis, :]
    # 将除零产生的无穷大(inf)、非数值(nan)替换为0
    ratio_array[np.isinf(ratio_array) | np.isnan(ratio_array)] = 0
    
    # 转为列表格式返回（匹配原函数的输出类型）
    return ratio_array.tolist()

关键步骤说明 #

• np.delete(arr, listIndex, axis=0)：直接在NumPy数组上删除指定行，axis=0表示操作行维度，返回的是全新数组，不会修改原输入数组。
• 广播机制：dividend_array是(n-1,5)的数组，divisor_array[np.newaxis, :]会被扩展为(1,5)的形状，NumPy会自动将其匹配到被除数数组的维度，实现逐元素相除，无需嵌套循环。
• 除零处理：用np.errstate忽略除零警告，再批量替换异常值，比try-except循环的处理效率高得多。

内容的提问来源于stack exchange，提问作者GaTe