numpy个元素的内存地址

Question

请参见下面的代码片段

a = [[1, 2], [3, 4], [5, 6]]
b = a[1]
id(a[1]) == id(b) # True

这很容易理解，因为b的地址和a[1]的地址是相同的。因此，如果我更改a += 1中的元素，b中的元素也将更改b == [4, 5]。

但是，如果我更改为numpy数组，则情况有所不同

c = numpy.array(a)
d = c[1]
id(c[1]) == id(d) # False

但是，如果我更改c c +=1中的元素，d中的元素也会改变（d也会更改为array([4, 5]）），我不明白两件事，1.为什么d的地址和地址c[1]的不同？ 2.如果地址不同，为什么元素会同时更改？有人可以解释吗？谢谢

Answer 1

每次像使用ndarray一样通过索引访问ndarray的内部c[1]时，都会动态创建一个新的ndarray作为内存（缓冲区）视图。在此行id(c[1]) == id(d)，c[1]和d是两个单独的ndarray实例，它们的data字段指向相同的内存地址（在numpy doc中称为“数据区域”）。考虑以下内容：

a = [[1, 2], [3, 4], [5, 6]]
c = np.array(a)
d = c[0]
e = c[0]
f = c[1]
print(id(d) == id(e)) # False
print(d.__array_interface__['data'][0] == e.__array_interface__['data'][0]) # True
print(d.__array_interface__['data'][0] == f.__array_interface__['data'][0]) # False

每个ndarray保存的数据的位置可以在array interface中找到。并且由于d和e指向同一存储器地址处的同一数据，因此该数据地址将相同。相反，d和f并不指向相同的数据，因此它们的指针是不同的。