在函数内修改numpy数组？

Question

我遇到了一个简单程序的问题，如下所示：

def my_function(my_array = np.zeros(0)):
    my_array = [1, 2, 3]

my_array = np.zeros(0)
my_function(my_array)
print my_array

这个程序打印出来的是一个空数组，就好像在函数里面传递的my_array是复制过来的，而不是引用。请问怎么才能修正这个问题呢？

Answer 1

你可以像处理列表一样使用切片赋值：

def func(my_array):
    my_array[:3] = [1,2,3]

注意，这里要求 my_array 至少要有 3 个元素……下面是一个使用示例：

>>> def func(my_array):
...     my_array[:3] = [1,2,3]
... 
>>> a = np.zeros(4)
>>> a
array([ 0.,  0.,  0.,  0.])
>>> func(a)
>>> a
array([ 1.,  2.,  3.,  0.])

你缺少的一个点是 Python 如何处理引用。当你进入 my_function 时，你有一个指向原始 ndarray 对象的引用，这个对象绑定在 my_array 这个名字上。但是，一旦你给这个名字 赋值 新的内容，你就会失去对原始对象的引用，而是用一个新对象（在这个例子中是一个列表）的引用替代它。

注意，使用一个可变对象作为默认参数，常常会 导致一些意外情况

Answer 2

传递引用的模型其实更像是传递一个指针的值。也就是说，在你的 my_function 函数里面，你拿到的是指向原始 my_array 的一个指针的副本。如果你用这个指针直接去修改输入的数组，那确实会改变原来的数组，但如果你只是重新给这个副本的指针赋值，那就不会影响到原来的数组。

举个例子：

def my_func(a):
    a[1] = 2.0

ar = np.zeros(4)
my_func(ar)
print ar

上面的代码会改变 ar 的内部值。

Answer 3

np.zeros(0) 会给你一个空的 numpy 数组。在你的函数里面，引用现在指向了一个新的 Python 列表，但你实际上并没有修改你那个空的 numpy 数组，所以你打印出来的还是那个空数组。

建议你阅读 这个回答 来澄清一些概念。