Numpy - Различное поведение для 1-го и 2-го массивов

Question

Я просматривал какой-то непонятный код и столкнулся с этой проблемой.Numpy демонстрирует различное поведение для 1-го массива и 2-го массива.В первом случае создается ссылка, а во втором - глубокая копия.

Вот фрагмент кода

import numpy as np

# Case 1: when using 1d-array

arr = np.array([1,2,3,4,5])
slice_arr = arr[:3]  # taking first three elements, behaving like reference

slice_arr[2] = 100 # modifying the value

print(slice_arr)
print (arr) # here also value gets changed

# Case 2: when using 2d-array

arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
slice_arr = arr[:,[0,1]]  # taking all rows and first two columns, behaving like deep copy

slice_arr[0,1] = 100 # modifying the value

print(slice_arr)
print() # newline for clarity
print (arr) # here value doesn't change

Кто-нибудь может объяснить причину такого поведения?

Answer 1

Причина в том, что вы выполняете нарезку не одинаково, это не 1D против 2D.

slice_arr = arr[:3]

Здесь вы используете оператор нарезки, поэтому numpy может просматривать ваши исходные данные.и возвращает его.

slice_arr = arr[:,[0,1]]

Здесь вы используете список элементов, которые вы хотите, и это не срез (даже если он может быть представлен срезом), в этом случае numpy возвращает копию.

Все они являются геттерами, поэтому они могут возвращать либо представление, либо копирование.

Для сеттеров он всегда изменяет текущий массив.