我喜欢 python 处理变量交换的方式：
a, b, = b, a
我也想使用这个功能在数组之间交换值，不仅是一次一个，而且是多个（不使用临时变量）。这不是我所期望的（我希望沿第三维的两个条目都可以交换）：
import numpy as np
a = np.random.randint(0, 10, (2, 3,3))
b = np.random.randint(0, 10, (2, 5,5))
# display before
a[:,0, 0]
b[:,0,0]
a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:,0,0] #swap
# display after
a[:,0, 0]
b[:,0,0]
有人有想法吗？当然，我总是可以引入一个额外的变量，但我想知道是否有更优雅的方法来做到这一点。
Python 正确地解释了代码，就好像你使用了额外的变量一样，所以交换代码相当于：
t1 = b[:,0,0]
t2 = a[:,0,0]
a[:,0,0] = t1
b[:,0,0] = t2
但是，即使此代码也不能正确交换值！这是因为 Numpy切片不会急切地复制数据，它们会在现有数据中创建视图。仅在分配切片时执行复制，但在交换时，没有中间缓冲区的复制会破坏您的数据。这就是为什么您不仅需要一个额外的变量，还需要一个额外的 numpy 缓冲区，这是一般 Python 语法一无所知的原因。例如，这按预期工作：
t = np.copy(a[:,0,0])
a[:,0,0] = b[:,0,0]
b[:,0,0] = t
我觉得这是最简单的：
a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:, 0, 0].copy() #swap
时间比较：
%timeit a[:,0,0], b[:, 0, 0] = b[:, 0, 0], a[:, 0, 0].copy() #swap
The slowest run took 10.79 times longer than the fastest. This could mean that an intermediate result is being cached
1000000 loops, best of 3: 1.75 µs per loop
%timeit t = np.copy(a[:,0,0]); a[:,0,0] = b[:,0,0]; b[:,0,0] = t
The slowest run took 10.88 times longer than the fastest. This could mean that an intermediate result is being cached
100000 loops, best of 3: 2.68 µs per loop
user4815162342 的答案确实是“正确”的答案。但如果你真的追求单线，那么考虑一下：
a[arange(2),0,0], b[arange(2), 0, 0] = b[arange(2), 0, 0], a[arange(2),0,0] #swap
然而，这明显降低了效率：
In [12]: %timeit a[arange(2),0,0], b[arange(2), 0, 0] = b[arange(2), 0, 0], a[arange(2),0,0]
10000 loops, best of 3: 32.2 µs per loop
In [13]: %timeit t = np.copy(a[:,0,0]); a[:,0,0] = b[:,0,0]; b[:,0,0] = t
The slowest run took 4.14 times longer than the fastest. This could mean that an intermediate result is being cached
100000 loops, best of 3: 13.3 µs per loop
（但请注意关于“最慢运行”的注释...如果您尝试使用“-n 1 -r 1”调用 %timeit，您将看到更多可比较的结果 - 尽管我的解决方案仍然慢了约 50% - 演示是的，缓存正在影响时间）
这将起作用。
a[:,0,0], b[:, 0, 0] = b[:, 0, 0].copy(), a[:, 0, 0].copy()