Python 3.x Numpy中奇特的索引与视图

我被附加链接中文章的另一部分弄糊涂了：

在“但是奇特的索引有时似乎会返回视图，不是吗？”

第一个成语：

a = np.arange(10)
a[[1,2]] = 100
a
#array([  0, 100, 100,   3,   4,   5,   6,   7,   8,   9])

第二个成语：

a = numpy.arange(10)
c1 = a[[1,2]]
c1[:] = 100
a
#array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> c1
#array([100, 100])

我仍然有点困惑，第一个习语是如何做出改变的

他们解释说第一个习惯用法不是在setitem之前调用getitem，但为什么它不这样做呢

我认为所有奇特的索引都会返回数据的副本，而不是视图，而不管使用哪种习惯用法

---

尽管花式索引并没有像他们所展示的那样创建视图，但由于它仍然提供了所需的结果，是否仍然认为使用它是一种良好的实践，如习惯用法1所示

原因是Python的工作方式

第一条语句调用

setitem

方法，第二条语句调用

getitem

。第一个不会创建新对象，但第二个会（对于奇特的索引，它将创建常规索引的视图）

---

当然，我们需要这种行为，这样我们就可以在数组中设置一些值，这些值不是“常规”的，并且视图不起作用。

我不确定我是否完全理解这一点。似乎不仅仅是这个成语？看看这里的例子：这是因为它不仅仅是对

setitem

的一个调用，有两个索引，一个是get，创建一个新数组，另一个是set。如果在同一语句上有两个[]，第一个是get，第二个是set。首先从数组中检索一些数据，无论是视图还是副本，然后在赋值的右侧设置值。两次，最后一个切片都是setitem。这两次，第一个都是get项。第一个表达式首先创建一个视图，然后调用该视图上的set，修改原始数组。第二次，你复制数据，然后调用set，修改复制的数据而不是原始数据。我想你明白了是的