使用Numpy的array_equal对比两个不同数组始终返回True是什么原因

你遇到的问题90%以上是numpy数组浅拷贝共享内存导致的，剩下的小概率是Jupyter单元格执行顺序混乱、变量缓存未刷新：

• 你在给sudoku赋值时大概率直接写了类似sudoku = self.start_sudoku的代码，numpy数组的直接赋值是浅拷贝，两个变量会指向同一块内存地址，你修改sudoku的数值时，self.start_sudoku也会被同步修改，你看到的打印结果可能是修改前的旧输出，实际对比时两个数组已经完全一致了。
• Jupyter支持乱序执行单元格，如果你先打印了两个数组的内容，之后才修改了数组、执行对比逻辑，打印的旧结果和当前变量实际值不一致，就会出现看起来数值不同但对比返回True的错觉。
• 极小概率是两个数组为np.ma.MaskedArray类型，掩码隐藏了实际相同的数值，不过普通场景很少遇到。

你可以在调用np.array_equal的同一个单元格中执行以下代码，确认问题：

1. 检查是否共享内存：print(np.shares_memory(sudoku, self.start_sudoku))，返回True则确认是浅拷贝问题
2. 直接打印当前的数组差异：print(np.where(sudoku != self.start_sudoku))，如果输出为空元组，说明两个数组当前确实完全一致

• 初始化新数组时强制做深拷贝，把赋值语句改成sudoku = self.start_sudoku.copy()或者sudoku = np.copy(self.start_sudoku)，保证两个数组内存独立，修改新数组不会影响原数组。
• 调试前先重启Jupyter内核，按顺序重新执行所有单元格，避免旧变量缓存干扰结果。

附错误/正确代码示例：

import numpy as np
# 错误写法
start_sudoku = np.array([[1,0,4],[2,0,5]])
sudoku = start_sudoku # 浅拷贝，共享内存
sudoku[0,1] =7
print(np.array_equal(sudoku, start_sudoku)) # 输出True，start_sudoku也被修改为7

# 正确写法
start_sudoku = np.array([[1,0,4],[2,0,5]])
sudoku = start_sudoku.copy() # 深拷贝，内存独立
sudoku[0,1] =7
print(np.array_equal(sudoku, start_sudoku)) # 输出False

内容的提问来源于stack exchange，提问作者N K