为什么 NumPy: np.fill_diagonal() 改变所有相关变量的诊断值？

问题描述

亲爱的有经验的朋友，我在尝试使用 np.fill_diagonal() 时遇到了一个问题。首先，我从原始 NumPy 数组中设置了两个子变量。然后我使用 np.fill_diagonal() 更改其中一个变量的对角线值。但是，我发现所有变量的对角线值都已更改。

请问为什么会这样？所有相关的 NumPy 变量是否共享相同的内存？我怎么知道他们确切的记忆关系？谢谢！

这是简单的代码：

# we set the original one
a = np.array([[    10.,1.,1.],[2.,20.,140.,8.,57.],[3.,3.,30.,21.,51.],[4.,4.,40.,56.],[5.,5.,31.,16.,50.]])

# the two sub-variables
b1 = a[:5,:5]
b2 = a[:5,:5]

# then I change the diagonal value of one of the sub-variables
np.fill_diagonal(b1,0)

我们应该只改变b1的值，但实际上所有的a、b1和b2都被改变了。请问如何只改变b1的对角线值而不影响其他？谢谢！

a

array([[  0.,[  2.,0.,[  3.,[  4.,[  5.,0.]])

b2

array([[  0.,0.]])

解决方法

看起来 b1 和 b2 只是对 a 的引用。尝试使用 numpy.copy() 然后执行拼接以获得“深度复制”，以便 b1 和 b2 在内存中拥有自己的空间。查看 Numpy API documentation 中的 numpy.copy。