很难改变 NumPy 对象数组的单个元素

Question

我想创建我的类的唯一实例的 numpy 数组。

import numpy as np

class cell:
    def __init__(self):
        self.id = 0
        self.color = (255, 255, 255)

world = np.full((3, 4), cell(), dtype=object)

我尝试更改单个单元格的

color

和

id

，但它改变了所有单元格的参数。

Answer 1

为什么所有值都会改变？

这种“奇怪”行为的原因是对象引用。请参阅 “最不惊讶”和可变默认参数，了解 list 对象的类似行为的解释。

当您使用 numpy 创建数值数组（这应该是 numpy 数组中唯一可以使用的数据类型）时，实际发生的情况是所有数字在内存中都有不同的引用。因此，这行代码

world = np.full((3, 4), 42, dtype=object)

将在内存中创建一个包含 12 个不同数字的数组，所有这些数字当前的值为 42。

如果您随后更改单个单元格的值，那么它不会影响数组的其他值，因为它们都是内存中不同的对象。这是一种经典行为，您的代码行也可能会发生这种情况。

但是，有了这行代码

world = np.full((3, 4), cell(), dtype=object)

您仅创建 

Cell

类的一个实例。因此，numpy 数组充满了对同一对象的 12 个引用。请参阅

如何克隆列表，以便它在分配后不会意外更改？

，以更好地了解如何复制与引用一起使用的列表和/或用户定义对象。 您还可以检查

有关复制和深度复制

方法的答案，您可能需要在Cell课程中使用这些方法。

如何正确创造独特的价值观？

如前所述，

numpy 数组似乎不是一个特别适合存储通用对象的结构

（例如 Cell 实例）。请参阅下文，了解在您的用例中使用 numpy 的其他想法。

如果您仍然想使用 numpy，您可以尝试以下语法，它将创建 12 个

Cell

对象的实例，因此修改其中一个不会影响其他任何一个：

world = np.array([cell() for _ in range(12)]).reshape((3, 4))

将 numpy 与您的数据类型结合使用的其他方法

根据您实际的

Cell

类可能是什么，如果它只有数字数据，如您的示例所示，您可能希望将数据转换为列表，然后填充 numpy 数组以进行快速数字运算，同时转换回来之后去

Cell

上课。本着这种精神的转换函数可能是

import numpy as np


class cell:
    def __init__(self):
        self.id = 0
        self.color = (255, 255, 255)


def cell2list(c):
    """Return a list with numeric values of the cell."""
    return [c.id, *c.color]


def list2cell(l):
    """Return a cell created from numeric values of the list."""
    c = cell()
    c.id = l[0]
    c.color = tuple(l[1:])
    return c

# Create an empty world array
numeric_dimension_of_cell_class = 4
world = np.zeros((3, 4, numeric_dimension_of_cell_class), dtype=object)

# Convert cells to numpy
world[..., :] = cell2list(cell())

# TODO: Some numeric operations about your cells
world[..., 2:] = 0  # e.g. Keep only Red value

# Convert back numpy to cells
cells = [list2cell(l) for l in world.reshape(-1, numeric_dimension_of_cell_class)]