NumPy数组追加到列表时第二次操作修改首个条目的原因

差异和你操作的元素是不是NumPy类型没有关系，核心是Python的变量引用规则，加上NumPy数组属于可变对象的特性，两段代码里对E的操作本质完全不同：

• 第一段代码里的E = H是变量重绑定操作
• 第二段代码里的E[0,0] = H[0,0]是对象原地修改操作

第一段代码的执行流程 #

1. 初始化时E = np.zeros((2,2))，变量E指向内存中一块存储全0二维数组的空间，第一次执行L.append(E)时，列表L的第0位存的是这块全0数组内存的引用。
2. 执行E = H时，只是把变量E的指向，从原来的全0数组，改成了H所指向的全1数组的内存地址。这时候原来的全0数组并没有被改动或者回收，因为L[0]还持有它的引用，和现在E指向的全1数组是两块完全独立的内存空间。
3. 第二次L.append(E)存的是全1数组的引用，两个列表元素指向完全不同的对象，自然互不影响，输出符合预期。

第二段代码的执行流程 #

1. 初始化和第一次append的逻辑和第一段完全一致：E和L[0]同时指向那块存全0数组的内存空间。
2. 执行E[0,0] = H[0,0]时，没有对变量E做任何重绑定，而是直接修改E当前指向的数组的内部内容：把这块内存里(0,0)位置的值从0改成1。因为L[0]和E指向的是同一块内存，修改这块内存的内容后，所有指向这块内存的引用读到的值都会同步变化。
3. 第二次L.append(E)存的还是同一块数组内存的引用，相当于L里两个元素都指向同一个数组，打印出来自然两个位置都是修改后的[[1., 0.],[0., 0.]]。

补充说明：你提到的E.copy()之所以安全，是因为copy操作会开辟一块新的内存空间，把原数组的内容复制过去生成一个独立的新数组。把新数组的引用存入列表后，后续不管怎么修改原E指向的数组内容，都不会影响新内存里的副本，也就不会出现值被意外篡改的问题。

内容的提问来源于stack exchange，提问作者lisa