np.ndarray`“is”中的奇怪行为

“is”内置运算符显示元素的奇怪行为np.ndarray.

尽管右侧和左侧的 id 相同，但“is”运算符返回 False（此行为特定于np.ndarray).

a = np.array([1.,])
b = a.view()
print(id(a[0] == id(b[0])))  # True
print(a[0] is b[0])  # False

这种奇怪的行为甚至在没有视图副本的情况下也会发生。

a = np.array([1.,])
print(a[0] is a[0])  # False

有谁知道这种奇怪行为的机制（以及可能的证据或规范）？

后脚本： 请重新思考这两个例子。

1. 如果这是一个列表，则不会观察到这种现象。

a = [0., 1., 2.,]
b = []
b.append(a[0])
print(a[0] is b[0])  # True

2. a[0] 和 b[0] 引用完全相同的对象。

a = np.array([1.,])
b = a.view()
b[0] = 0.
print(a[0])  # 0.0
print(id(a[0]) == id(b[0]))  # True

注意：这个问题可能是重复的，但我还是有点困惑。

a = np.array([1.,])
b = a.view()
x = a[0]
y = b[0]
print(id(a[0]))  # 139746064667728
print(id(b[0]))  # 139746064667728
print(id(a[0]) == id(b[0])) # True
print(id(a[0]) == id(x)) # False
print(id(x) == id(y))  # False

1. a[0] 是一个时间对象吗？
2. 时间对象的 id 是否被重用？
3. 这不与规范相矛盾吗？ （https://docs.python.org/3.7/reference/expressions.html#is https://docs.python.org/3.7/reference/expressions.html#is)

6.10.3. Identity comparisons
The operators is and is not test for object identity: x is y is true if and only if x and y are the same object. Object identity is determined using the id() function. x is not y yields the inverse truth value.

4. 如果 id 被重新用于时间对象，为什么在这种情况下 id 是不同的？

>>> id(100000000000000000 + 1) == id(100000000000000001)
True
>>> id(100000000000000000 + 1) == id(100000000000000000)
False

这仅仅是由于 is 和 == 工作方式的不同， is 运算符不会比较值，它们只是检查两个操作数是否引用同一个对象。

例如，如果您这样做：

print(a is a)

输出将为： True 欲了解更多信息，请查看here https://dbader.org/blog/difference-between-is-and-equals-in-python

当 python 进行比较时，它会为操作数分配不同的位置，并且可以通过使用 id 函数的简单测试观察到相同的行为。

print(id(a[0]),a[0] is a[0],id(a[0]))

输出将是：

140296834593128 False 140296834593248

您另外提出的问题的答案是，为什么列表的行为与 numpy 数组的行为不同，这只是基于它们的构造。 Np.arrays 的设计目标是比普通的 Python 列表具有更高效的处理能力和更高效的存储能力。

因此，每次加载 numpy 数组或对 numpy 数组执行操作时，都会加载该数组并为其分配不同的 id，正如您可以从以下代码中观察到的那样：

a = np.array([0., 1., 2.,])
b = []
b.append(a[0])
print(id(a[0]),a[0] is b[0],id(b[0]))

以下是在 jupyter-lab 中多次重新运行相同代码的输出：

140296834595096 False 140296834594496
140296834595120 False 140296834594496
140296834595120 False 140296834594496
140296834595216 False 140296834594496
140296834595288 False 140296834594496

注意到一些奇怪的事情了吗？每次重新运行时 numpy 数组的 id 都不同，但列表对象的 id 保持不变。这解释了您问题中 numpy 数组的奇怪行为。

如果您想了解有关此行为的更多信息，我建议numpy 文档 https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html