为什么我的元组值在改变（Python）？

Question

我有一个元组。第一个元素是一个float，第二个元素是一个包含更多包含float的嵌套列表的列表（不要担心这些值的含义）。你知道吗

(0.2742965753780876, [[[33.119], [-8.326]], [[-34.084, -4.385], [-3.047, 18.546], [-10.757, 0.573], [21.395, 23.937], [5.011, -5.234]], [[-23.434, 9.989, 9.113, -23.253, 11.86], [-56.818, 4.771, -3.383, -27.143, 4.81], [-6.564, -40.132, -2.223, -2.663, -10.231], [-2.05, -15.989, 4.369, -20.051, 4.657]], [[-10.868, -39.934, 0.465, 38.103]], [-0.889, 1.129, 0.743]])
(0.2742965753780876, [[[21.633], [-8.972]], [[-35.754, -13.243], [-0.718, 17.724], [-16.452, 6.619], [24.151, 25.037], [1.76, -7.891]], [[-26.011, 9.072, 14.685, -20.044, 10.612], [-55.53, -0.131, 0.15, -27.031, 8.03], [-3.225, -36.499, -2.558, 0.253, -8.292], [-1.274, -22.561, 0.431, -23.405, 6.808]], [[-13.668, -47.758, -6.489, 43.27]], [-0.889, 1.129, 0.743]])
(0.2742965753780876, [[[22.435], [-6.71]], [[-47.591, -8.998], [-1.134, 16.529], [-16.399, 4.369], [23.344, 24.72], [2.175, -14.129]], [[-26.603, 11.472, 9.433, -21.13, 9.759], [-50.109, 1.084, 1.256, -18.826, 9.588], [-6.935, -27.957, 9.045, 1.291, 2.27], [-1.336, -29.908, -0.3, -27.242, 4.555]], [[-12.933, -42.377, 4.077, 38.864]], [-0.889, 1.129, 0.743]])
(0.2742965753780876, [[[26.688], [-4.315]], [[-49.478, -4.214], [0.116, 20.39], [-14.691, 3.496], [15.367, 23.116], [18.075, -2.748]], [[-25.588, 6.249, 4.364, -20.727, 19.639], [-55.524, -2.901, 4.639, -11.759, 11.794], [-8.633, -25.316, 11.841, 1.492, 1.36], [-0.797, -26.306, 1.379, -16.266, -0.291]], [[-24.726, -46.726, 12.765, 38.977]], [-0.889, 1.129, 0.743]])
(0.2742965753780876, [[[21.776], [-8.466]], [[-47.66, -5.868], [1.855, 23.062], [-19.521, 18.331], [29.251, 25.491], [21.32, -5.379]], [[-36.199, 7.786, -1.48, -27.042, 14.769], [-61.468, -12.218, -10.307, -6.156, 8.287], [-17.785, -33.124, 16.564, 2.249, -0.675], [-4.391, -18.11, 7.349, -9.234, -2.31]], [[-23.139, -55.043, 9.106, 35.827]], [-0.889, 1.129, 0.743]])

这些数值是通过遗传算法训练人工神经网络得到的。如您所见，我发布了五代顶级元组。如果您熟悉ML，您会注意到第一个元素是ANN在分类训练数据时产生的均方误差，第二个元素是ANN中与该误差相关的权重列表。你知道吗

每次创建新一代时，我都会将最上面的元组“放回”到新候选的列表中，这就是为什么上面的错误出现了好几次。它是每一代人中最优秀的候选人。你知道吗

然而，你不需要知道这个来理解我的问题。你知道吗

重要的是，每次我用我的遗传算法函数运行新一代时，顶层错误（第一个元素）可能不会改变。这是正常的，因为这意味着算法没有找到更好的解决方案。当然，权重（第二个元素）也不应该改变，因为如果改变了，就会产生完全不同的误差。你知道吗

不幸的是，情况并非如此。我元组中的数据不知怎么被改变了。正如您在上面的打印输出中看到的，每次我运行新一代时，错误保持不变，但权重会发生变化。你知道吗

为什么会这样？为什么元组中的值会改变呢？你知道吗

下面是我的一些代码。这是产生突变的代码。mutate（）方法逐步遍历权重列表（浮动），并对这些权重进行小的随机增量。这就是它对0.2742965753780876所做的，尽管它不应该这样，因为改变权重和不更新错误是没有意义的。甚至不可能，因为元组是不可变的。你知道吗

for i in range(10):
    mList = weightList[random.randint(0,4)][1] # pick a set of weights from the top 5
    newList = mutate(mList, weightList[0][0]) # create a new list by mutating certain values of the unmutated list
    n.setWeights(listToGenome(newList,n)) # give the ANN the new weights
    error = trainSine(n) # train the network on the training set and return the mean-squared error
weightList.append((error, child))

你可能还想知道，每次我完成了新一代的创建，我都会根据错误对列表进行排序，然后选出前十名候选人，继续下一代。你知道吗

errorList.sort()
for i in range(10):
    survivorList.append(errorList[i])

就这样。当然，还有很多代码，但如果有人需要，我会和大家分享。有什么想法吗？你知道吗

Answer 1

元组是不可变的，但其中的列表仍然是可变的。您需要对列表进行深度复制，在复制时复制值，而不使用所有变量引用等。您可以使用copy模块来实现这一点。语法如下：

import copy
myList = [1, 5, 3, 9, 4]
myOtherList = copy.deepcopy(myList)

使用上面的代码，如果您更改myList，或者导致myList更改的任何变量，myOtherList将保持不变，与其他变量无关。你知道吗