Python/Numpy函数修改并返回输入变量时的异常行为疑问

我写了一段测试脚本，其中函数的输入和输出用了同一个变量，示例代码如下：

import numpy as np


def sign(x: np.ndarray):
    # Return x/abs(x)
    nz_idx = np.abs(x)!= 0
    x[nz_idx] = x[nz_idx] / np.abs(x[nz_idx])
    return x


if __name__ == "__main__":
    x = np.zeros((10,1), dtype=float)
    x[:, 0] = np.arange(1,11)    
    print(x)
    y = sign(x)
    print(x)

我原本预期的输出是：

[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]

因为我认为函数不应该修改输入变量x，但实际得到的输出是：

[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[0. 1. 1. 1. 1. 1. 1. 1. 1. 1.]

这明显不符合预期，后来我在sign函数里新增变量并使用copy()方法修复后，得到了正确输出：

def sign(x: np.ndarray):
    z = x.copy()
    nz_idx = np.abs(z)!= 0
    z[nz_idx] = z[nz_idx] / np.abs(z[nz_idx])
    return z

请问这是Python/Numpy的预期行为还是一个bug？

解答 #

这是完全符合预期的行为，不是bug。

原因在于：Numpy数组属于Python中的可变对象，当你把一个可变对象作为参数传入函数时，函数接收的是这个对象的引用，而不是它的副本。在函数内部直接对这个引用指向的对象进行原地修改（比如x[nz_idx] = ...这种赋值操作），会直接改变原对象的内容，外部的变量x自然也会看到修改后的结果。

你用x.copy()创建原数组的副本，再对副本进行修改并返回，这种做法是正确的——这样既不会影响原输入数组，也能得到你需要的计算结果。如果不想手动处理拷贝，也可以考虑使用Numpy自带的np.sign函数，它会返回一个新数组，不会修改原输入。

内容的提问来源于stack exchange，提问作者Karthik Upadhya