python中 numpy数据类型的注意事项

最新推荐文章于 2025-05-29 14:02:22 发布

eefresher

最新推荐文章于 2025-05-29 14:02:22 发布

阅读量389

点赞数

CC 4.0 BY-SA版权

分类专栏： python学习

本文链接：https://blog.youkuaiyun.com/eefresher/article/details/103451362

python学习专栏收录该内容

3 篇文章

订阅专栏

本文讨论了Python与C语言中函数参数传递的差异，特别是在Python中，对于普通数据类型如int，函数传递的是值。然而，对于numpy数据结构，函数传递的是变量的引用或地址。在numpy中，直接赋值会导致两个变量指向同一内存地址，若要创建副本，应使用`np.copy()`确保新变量独立于原变量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

C语言函数中参数，传的参数值，并不改变参数本身的值

	int test(int a)
	{
		a++
		return a;
	}
	int a=10;
	int b;
	b=test(a);
	a的值并改变

一般而言，对于python，也是同样，函数传递的是形参的值
对于普通数据类型，如int,
与C语言类似，python中函数参数中传递的是参数的**参数值 **，
如下面代码总的变量a

对于numpy数据结构，
！！注意！！！！
函数传递的是参数变量的地址。

import numpy as np

def test (a):
	a+=1
	return a
np_a=np.array([10])
a=10
test(np_a)
test(a)
#np_a的值发生改变
#np_a=11
#而a的值并未改变
#a=10

numpy变量的赋值也和普通变量不一样

import numpy as np
np_a=np.arrray([10])
np_b=np_a
np_a+=1;
#当然这种情况下np_a 会等于11
#但是np_b的值是多少呢？
#答案：np_b也是11

在numpy变量中，
如果进行这样的赋值操作

np_b=np_a

为了避免重复对于大的矩阵数组进行操作，np_b 和np_a指向的是同一地址的数据

如果只想让np_b等于np_a的值，独立与np_a，
我们应该进行如下的赋值操作

np_b=np_.copy()

这种情况下，计算机会开辟一块新的内存地址给np_b，地址中的值等于np_a;