为何Python中numpy数组赋值后原变量会被自动修改？

嘿，这个问题其实是numpy数组的引用赋值特性搞的鬼，我来给你一步步理清楚：

首先先还原你的代码和输出：

你的代码 #

import numpy as np
population= np.random.normal(0,1,5)
individuals=population
print(population)
for i in range(len(individuals)):
    individuals[i]=0
print(population)

你的输出 #

[-0.1791731 -0.0756427 0.44463943 -0.51173395 0.9121922 ]
[0. 0. 0. 0. 0.]

原因解释 #

在Python里，对于numpy数组这类可变对象，当你执行individuals = population的时候，并没有复制出一个新的数组，而是让individuals这个变量和population指向了同一个内存地址里的数组对象。这就像两个人共用同一本笔记本，其中一个人把笔记本里的内容改成0，另一个人打开看到的自然也是全0的内容。

解决方法 #

如果你想让individuals成为一个独立的新数组，和population互不影响，你需要显式地复制数组：

方法1：使用数组的copy()方法

import numpy as np
population= np.random.normal(0,1,5)
individuals=population.copy()  # 这里改成显式复制
print(population)
for i in range(len(individuals)):
    individuals[i]=0
print(population)

方法2：使用np.copy()函数

individuals = np.copy(population)

方法3：使用切片语法（numpy数组的切片会返回新数组）

individuals = population[:]

修改后再运行，你会发现两次print(population)的结果就一致了，修改individuals不会影响到原数组。

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