Numpy切片与列表切片

Question

我的清单：

a=[1,2,3,4,5]

b=a[:]

id(a)
>>2181314756864

id(b)
>>2181314855232 (different as slicing creates a new object)

id(a[0])
>>140734633334432

id(b[0])
>>140734633334432 (same)

b[0]=-1

b
>>[-1,2,3,4,5]

a
>>[1,2,3,4,5]  --perfectly fine

但是在numpy的情况下：

import numpy as np

l=np.array([1,2,3,4,5])

p=l[:]

id(l)
>>2181315005136

id(p)
>>2181315019840 (different as it creates a new object, which is fine)

id(l[0])

>>2181314995440

id(p[0])
>>2181314995952 (different)

但是：

p[0]=-1

p
>>array([-1,2,3,4,5])

l

>>array([-1,2,3,4,5])

尽管numpy数组的第一个元素的内存地址不同，但l也在更新。有人能解释一下这背后的概念吗？

Answer 1

将id作为内存地址来讨论有点转移话题。是的，在CPython中，它恰好是一个内存地址，但是什么的地址呢？碰巧不是实际的数字数据，而是描述数字数据的Python对象！

numpy中的切片创建了一个新的Python对象(因此有一个不同的id)，但新对象与旧对象共享实际数组的存储空间。

如果是id(A) == id(B)，那么，例如，A.shape不可能与B.shape不同！