Python矩阵重复赋值导致数据覆盖的解决方案

何川

发布时间：2026-10-13 | 4人浏览过

原创

本文详解Python中矩阵在循环内重复赋值导致数据被覆盖的问题。该现象源于浅拷贝机制，多个列表元素指向同一内存地址。通过将矩阵初始化移至循环内部，确保每次迭代获取新内存地址，从而避免后续赋值覆盖先前结果，实现正确的数据存储。

Python矩阵重复赋值导致数据覆盖的解决方案

本文通过具体实例介绍Python中矩阵重复赋值引发数据覆盖问题的处理方案，供开发者参考。

问题现象与原因分析


import itertools
import numpy as np
comb = list(itertools.combinations(list(range(regions)), 2))
bands_info = []
coeff = np.zeros([bands, len(comb)])
for cla in range(classes):
  class_info = data[:,cla*bands*regions:(cla+1)*bands*regions]
  for bs in range(bands):
    n = bs*regions
    for i in range(len(comb)):
      index1 = comb[i][0]+n
      index2 = comb[i][1]+n
      part1 = class_info[:, index1]
      part2 = class_info[:, index2]
      coeff[bs, i] = (np.corrcoef(part1, part2))[0, 1]
  bands_info.append(coeff.reshape([1,-1]))
coeff_info = np.vstack((bands_info[0], bands_info[1], bands_info[2],bands_info[3]))

在循环赋值操作中，若最终发现列表 bands_info 内的所有矩阵内容完全一致，这通常是因为Python的浅层拷贝机制所致。当多个变量或列表元素引用同一个矩阵对象时，它们共享相同的内存地址。此时若对矩阵进行重复赋值，前一次存储的值会被新值覆盖。这种覆盖不仅影响当前变量，还会波及所有引用该内存地址的后续变量，导致数据异常。

针对上述问题，需要调整代码结构以修正赋值逻辑。

修正后的代码实现


import itertools
import numpy as np
comb = list(itertools.combinations(list(range(regions)), 2))
bands_info = []
for cla in range(classes):
  coeff = np.zeros([bands, len(comb)])
  class_info = data[:,cla*bands*regions:(cla+1)*bands*regions]
  for bs in range(bands):
    n = bs*regions
    for i in range(len(comb)):
      index1 = comb[i][0]+n
      index2 = comb[i][1]+n
      part1 = class_info[:, index1]
      part2 = class_info[:, index2]
      coeff[bs, i] = (np.corrcoef(part1, part2))[0, 1]
  bands_info.append(coeff.reshape([1,-1]))
coeff_info = np.vstack((bands_info[0], bands_info[1], bands_info[2],bands_info[3]))

修改方案是将矩阵的初始化操作放入循环内部重新设定。这样做相当于为每次迭代分配新的内存地址，确保每次复制操作都是基于独立的对象，从而避免前面的结果被后续赋值覆盖。

如需了解更多Python相关知识，可参考本站《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》等专题内容。

希望本文所述方法能对Python程序设计有所帮助。