Numpy.copyは無作為抽出のために意図されたとおりに動作しません

Question

numpy.copyに問題があります。私は、テストの割り当て後population listをプリントアウトした場合

test = np.copy(random.sample(population_list, 2)) 
test[0][0][0][0] = 1.1111 

、それはで値を交換し、次のようにそれを使用して、それはまだ私が避けたい私の元のリストで背中の変化を、参照

その位置はpopulation_listで、1.1111です。私の目標は、最初のリストに影響を与えずに、リストからサンプルを抽出し、それらのサンプルを少し変更することです。

print(type(population_list)) 
print(type(population_list[0])) 
print(type(population_list[0][0])) 
print(type(population_list[0][0][0][0])) 

list 
list 
numpy.ndarray 
numpy.float64 

LE：This is how the data looks likeさらに情報として

、私のpopulation_listは、最初の要素がnumpyの行列であるリストのリスト、です。奇妙なフォーマットで申し訳ありませんが、クラスは私の脇にあります。私のコメントについては詳しく説明し

Answer 1

、私はllは、異なるサイズのサブリストが含まれていた場合、我々はオブジェクト配列で遊ん

In [233]: ll.append([[2]]) 

In [234]: ll 
Out[234]: [[[array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]], [[2]]] 

In [235]: random.sample(ll,2) 
Out[235]: [[[2]], [[array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]]] 

In [236]: np.copy(ll) 
Out[236]: 
array([[[array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]], 

     [[2]]], dtype=object) # (2,1,1) shape 

を得るでしょう

In [202]: x=np.arange(10.) 

In [223]: x 
Out[223]: array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.]) 

In [224]: ll=[[[x]]] # a list 

In [225]: ll[0] # still a list 
Out[225]: [[array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]] 

In [226]: ll[0][0] # still a list 
Out[226]: [array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])] 

In [227]: ll[0][0][0] # an array 
Out[227]: array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.]) 

In [228]: ll[0][0][0][0] # a float 
Out[228]: 0.0 

In [229]: random.sample(ll,1) # same list nesting 
Out[229]: [[[array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]]] 

In [230]: y=np.copy(ll) # a 4d array 

In [231]: y 
Out[231]: array([[[[ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.]]]]) 

In [232]: y.shape 
Out[232]: (1, 1, 1, 10) 

あなたのリストを再作成してみましょうこれはもう少しです。 np.copyが4d配列の場合、その要素を変更してもllまたはxは変更されません。しかし、中間オブジェクト配列レベルがある場合、yを変更すると、llとxが変更されます。ディープコピーではなく、浅いリストのコピー（ll[:]）を作成するようなものです。

In [270]: ll=[[[x]],[[1,2,3]]] 

In [271]: ll 
Out[271]: [[[array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]], [[1, 2, 3]]] 

In [272]: y=np.copy(ll) 

In [273]: y 
Out[273]: 
array([[[array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]], 
     [[1, 2, 3]]], dtype=object) 

In [274]: y[0][0][0][0]=1 

In [275]: y 
Out[275]: 
array([[[array([ 1., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]], 
     [[1, 2, 3]]], dtype=object) 

In [276]: ll 
Out[276]: [[[array([ 1., 1., 2., 3., 4., 5., 6., 7., 8., 9.])]], [[1, 2, 3]]] 

In [277]: x 
Out[277]: array([ 1., 1., 2., 3., 4., 5., 6., 7., 8., 9.]) 

つまり、np.copyは、ネストされたリストのリストの構造を保持しません。代わりに配列を作成しようとします。 あなたが使用すべきものはcopy.deepcopyです。これはリスト構造を保存し、値をすべてコピーします。