Python的二維數組中是否存在別名？

Question

我知道列表別名是Python中的問題，但我想不出辦法。

def zeros(A):
    new_mat = A
    for i in range(len(A)):
        for j in range(len(A[i])):
            if A[i][j]==0:
                for b in range(len(A)):
                    new_mat[b][j] = 0
            else:
                new_mat[i][j] = A[i][j]
    return A

即使我根本不更改A的​​值，當我返回A時，它仍然被修改：

>>> Matrix = [[1,2,3],[5,0,78],[7,3,45]]
>>> zeros(Matrix)
[[1, 0, 3], [5, 0, 78], [7, 0, 45]]

這個列表是別名嗎？ 如果是這樣，如何在不發生混疊的情況下修改2D數組的元素？ 謝謝，謝謝<3。

Answer 1

new_mat = A不會創建新矩陣。 您僅給對象又賦予了新名稱A 如果是數字列表，則可能要使用copy.deepcopy創建完整副本；如果是numpy數組，則可以使用copy方法。

Answer 2

new_mat = A[:]

這將創建列表的副本，而不僅僅是引用它。 試試看。

[:]僅指定一個從頭到尾的切片。 例如，您可以有[1:] ，它從元素1到末尾，或者[1:4] ，它是元素1至4。 查看與此相關的列表切片。

Answer 3

這可能會幫助其他人。 只是這樣做。

import copy

def zeros(A):
    new_mat = copy.deepcopy(A)

Answer 4

快速說明

如果您希望A成為原始矩陣，則您的函數應如下所示。 只需使用np.copy()函數

def zeros(A):
    new_mat = np.copy(A) #JUST COPY IT WITH np.copy() function
    for i in range(len(A)):
        for j in range(len(A[i])):
            if A[i][j]==0:
                for b in range(len(A)):
                    new_mat[b][j] = 0
            else:
                new_mat[i][j] = A[i][j]
    return A

徹底的解釋

假設我們不希望numpy ndarray a具有別名。 例如，我們要防止a在獲取（例如）它的一個切片時將其任何值更改，我們將此切片分配給b ，然后修改b的一個元素。 我們要避免這種情況：

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = a[0]
b[2] = 50
a
Out[]: 
array([[ 1,  2, 50],
       [ 4,  5,  6],
       [ 7,  8,  9]])

現在，您可能認為將numpy-ndarray對象視為列表對象可以解決我們的問題。 但是它也不起作用：

%reset #delete all previous variables
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = a[:][0] #this is how you would have copied a slice of "a" if it was a list
b[2] = 50
a
Out[]: 
array([[ 1,  2, 50], #problem persists
       [ 4,  5,  6],
       [ 7,  8,  9]])

在這種情況下，如果您將numpy數組視為與python列表不同的對象，則可以解決問題。 為了復制numpy數組，您不能執行copy = name_array_to_be_copied[:] ，而是copy = np.copy(name_array_to_be_copied) 。 因此，這將解決我們的別名問題：

%reset #delete all previous variables
import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.copy(a)[0] #this is how you copy numpy ndarrays. Calling np.copy() function
b[2] = 50
a
Out[]: 
array([[1, 2, 3], #problem solved
       [4, 5, 6],
       [7, 8, 9]])

---

PS請注意zeros()函數。 即使解決了別名問題，您的函數也不會將new_matrix中在矩陣A的同一列中至少具有一個零的列轉換為0（這是我想通過查看錯誤報告的輸出來完成的功能）您的函數[[1, 0, 3], [5, 0, 78], [7, 0, 45]] [[1,0,3],[5,0,78],[7,3,45]] [[1, 0, 3], [5, 0, 78], [7, 0, 45]] ，因為它實際上會產生[[1,0,3],[5,0,78],[7,3,45]] ）。 如果您願意，可以嘗試以下方法：

def zeros_2(A):
    new_mat = np.copy(A)
    for i in range(len(A[0])): #I assume each row has same length.
        if 0 in new_mat[:,i]:
            new_mat[:,i] = 0
    print(new_mat)
    return A