Numpy数组和列表的多重赋值，一个好奇的例子

Question

考虑多重赋值x[0],y = y,x[0]。应用于以下四种情况中的每一种情况下，这给出了四种不同的结果。

• 情况1：

  x = [[1,2], [3,4]] 
  y = [5,6] 
  

  给出

  x = [[5,6], [3,4]] 
  y = [1,2] 
  

• 情况2：

  x = np.array([[1,2], [3,4]]) 
  y = [5,6] 
  

  给出

  x = array([[5,6], [3,4]]) 
  y = array([5,6]) 
  

• 情况3：

  x = [[1,2], [3,4]] 
  y = np.array([5,6]) 
  

  给出

  x = [array([5,6]), [3,4]] 
  y = [1,2] 
  

• 情况4：

  x = np.array([[1,2], [3,4]]) 
  y = np.array([5,6]) 
  

  给出

  x = array([[5,6], [3,4]]) 
  y = array([5,6]) 
  

似乎列表的多重赋值比Numpy数组的多重赋值更智能（自动执行临时变量）。

想法？

编辑：它毕竟不是聪明......

Answer 1

这里唯一令人惊讶的情况下应该是2 & 4：

x = np.array([[1,2], [3,4]]) 
y = np.array([5,6]) # or [5, 6] 

给

x = array([[5,6], [3,4]]) 
y = array([5,6]) # where did the 1 and 2 go? 

因为其他人都只是围绕数据类型的交换，但保持相同的值。

使用numpy时有什么不同，x[0]返回一个视图，而不是副本。因此，即使在数组中的分配写出临时明确失败：

temp = x[0] 
x[0] = y 
y = temp 

因为temp一种观点认为是永远不变的x[0]，而不是在那个时间点的x[0]值的副本。

为了使这一工作，为numpy的情况下，你应该使用x[0],y = y,x[0].copy()

Answer 2

x[0],y = y,x[0] 

等于

t = x[0] 
x[0] = y 
y = t 

由于@Scimonster指出，

当分配到一个numpy的阵列，它将其转化为 Numpy阵列的一部分。

所以这是正常的行为。