numpy数组行赋值后对应切片id未按预期变化原因咨询

结论 #

你观察到的现象完全符合numpy的设计逻辑，第4行的id值没有变化是正常情况，不需要疑惑。

核心原理 #

你之前的认知适用于Python原生不可变对象（如int、float、str），但numpy数组的索引取值行为和原生对象完全不同：

• 首先你调用a[0]返回的不是Python原生的数值/列表对象，而是一个numpy数组视图（view），本质是一个ndarray类型的实例，它和原数组a共享底层数据缓冲区。只有基础整数索引、切片索引会返回共享内存的视图，花式索引、布尔索引返回的是独立的数组副本，行为会有差异。
• id()函数返回的是你传入的Python对象本身的内存地址，不是对象内部存储数据的缓冲区地址。你执行a[0] = A这类操作时，只是原地修改了该视图对应的数据缓冲区的内容，没有改变a[0]返回的ndarray实例本身的内存地址，所以id不会变化。
• 你没有把a[0]赋值给变量持有时，每次调用a[0]都会生成一个临时的视图对象，调用完id()后这个临时对象会被Python回收。前两次调用id(a[0])时，新生成的临时视图刚好复用了上一次被回收的临时对象的内存空间，所以id相同；中间执行b = [1,2,3]等操作后，那块内存被其他对象占用，第三次生成的临时视图只能分配到新的内存空间，所以id发生了变化。

验证代码 #

你可以通过以下代码验证逻辑：

import numpy as np
a = np.array([[0,1,2],[3,4,5],[6,7,8]])
# 把a[0]赋值给变量持有，避免被回收
row = a[0]
print(id(row)) # 输出第一个地址
# 修改行内容
row[:] = [0,0,0]
print(id(row)) # 地址和之前完全相同，修改内容不会改变视图对象本身的地址
# 新生成一个视图对象
new_row = a[0]
print(id(new_row)) # 新对象地址和之前不同

内容的提问来源于stack exchange，提问作者4cket