Python中numpy切片赋值引发内存变量值意外变更问题求助

嘿，刚接触Python第一天就碰到这个numpy的小坑啦，别担心，这是新手学numpy时非常常见的问题～

问题原因 #

你遇到的核心问题是：Numpy数组的切片返回的是原数组的「视图」，不是独立的副本。

简单来说，memory_1 = U[k:n,k] 这句代码并没有把U[k:n,k]里的数据复制一份存到memory_1里，而是让memory_1变成了指向原数组U对应区域的“引用”。所以当你后续修改U[k:n,k]和U[k:n,index_max]时，memory_1和memory_2因为指向的是原数组的同一块内存区域，自然会跟着改变。

解决方法 #

只需要给切片加上.copy()方法，强制创建独立的数据副本就行，修改后的代码如下：

import numpy as np  # 假设你已经导入了numpy库

U_abs = abs(U)
index_max = np.argmax(U_abs[k:n,k])
# 用.copy()创建独立副本，而不是引用原数组的视图
memory_1 = U[k:n,k].copy()
memory_2 = U[k:n,index_max].copy()

print(memory_1)
print(memory_2)

U[k:n,k] = memory_2
U[k:n,index_max] = memory_1

print(memory_1)
print(memory_2)

另外，你也可以用np.array()来创建副本，效果是一样的：

memory_1 = np.array(U[k:n,k])
memory_2 = np.array(U[k:n,index_max])

补充说明 #

Numpy这么设计其实是为了高效处理大数据——如果每次切片都自动复制数据，处理大型数组时会非常浪费内存和时间。但这个特性确实容易让刚接触的新手困惑，你第一天就能碰到这个问题，说明已经在动手实践有难度的操作啦，很棒！

内容的提问来源于stack exchange，提问作者Girigio