Q&A
リンクは「リンクの挿入」で記入しましょう。
変数へ代入するときにaをa[:]と表記を変えて変数cに代入していますが、
この場合別のオブジェクトを参照しているのはなぜなのでしょうか？
a[:]をすればただ、aの要素を全て見ると指示しているだけで、np.arrayのままでviewを使っているでオブジェクトは変わらないと思うのですが・・
python
1In [20]: a = np.array([1,2,3]) 2 3In [21]: c = a[:] # 表記を変えてみる 4 5In [22]: id(a) == id(c) # 違うオブジェクトを参照しているのがわかる。 6Out[22]: False 7
回答1件
0
ベストアンサー
view でも中のデータを共有しているというだけで、オブジェクトとしては別物なので、id() の値の比較では、判定できません。
b が a の view かどうかは base attribute を見ればわかります。
python
1import numpy as np 2 3a = np.array([1, 2, 3]) 4b = a[::-1] 5 6print(id(a) == id(b)) # False 7print(b.base is a) # True
: の場合は view になっています。
python
1import numpy as np 2 3a = np.array([1, 2, 3]) 4b = a[:] 5 6print(id(a) == id(b)) # False 7print(b.base is a) # True 8 9b[1] = -1 # b を変更すると a も変わる 10print(a) # [ 1 -1 3]
追記
b = a[スライス] とした場合、b と a は異なるオブジェクトになります。
ただし、numpy の場合は、view という機能で異なるオブジェクトでも内部のデータは共有するということをやっています。
そのため、b = a[:] とした場合でも b は a の view になるので、オブジェクトとしては a と b は異なりますが、内部データは共有しています。
このことは次のようにして確かめられます。
a = np.array([1, 2, 3]) b = a[:] # b は a とは違うオブジェクト、だけど内部データは共有している b[1] = 100 # b を変えたら a も変わっている print(a) # [ 1 100 3]
view というのは numpy の機能であり、Python の言語に備わった機能ではありません。
Python のリストの場合、スライスすると a と b は異なるオブジェクトで numpy の view のように内部データを共有するような機能もないので、コピー (deep copy) になります。
a = [1, 2, 3] b = a[:] b[1] = 100 # b と a は違うオブジェクトなので、a は変わっていない print(a) # [1, 2, 3]
投稿2019/12/21 09:02
編集2019/12/21 16:38
総合スコア21956
a[:]のようにスライスを用いると、違うオブジェクトが作成されるというのは覚えるしかないでしょうか？
b = aの場合だと同じオブジェクトなので
b = a の場合、Python は代入は参照をコピーするので、同じオブジェクトとなりますが、b = a[スライスの表記] の場合、__getitem__() 関数が呼ばれて、その関数が返す値を b に代入しているわけで、違うオブジェクトになるというのは特に違和感はないと思います。
違うオブジェクトかどうかと、2つの numpy 配列がデータを共有しているかどうかはまた別の話です。
b = aとb = a[:]をした場合、id()で示されるオブジェクト参照場所が異なるので、
b = aの場合はデータを共有している（view）ですが、b = a[:]の場合だと新しいオブジェクトを生成すると思ったのですがどうでしょうか？
追記しましたが、コメントにかかれているように b = a[スライス] とした場合、新しいオブジェクトが生成されます。
ただし、numpy の場合は、内部データは共有しているので、深いコピーにはなりません。
Python のリストの場合は、numpy の view のように内部データを共有することもないので、深いコピーになります。
新しい入れ物のためにデータ保存先を作るが、データを内部的に共有しているということですね。
難しいですねここら辺の理解、
ありがとうございます。
numpy のオブジェクトとしては別物なのに、内部データを共有するという機能がたしかにわかりづらいかもしれません。
Python のリストはスライスしたら、オブジェクトとしても、内部データも別物になるので、numpy の挙動が特殊といえます。
あなたの回答
tips
プレビュー
