Python 以numpy为单位的arr[范围（3）]与arr[：3]之差

我有一个简单的脚本代码，所以我不知道为什么numpy中的元素不交换。 多谢各位^^

import numpy as np

arr = np.arange(10)

a = arr[range(3)]
b = arr[:3]
c = arr[3:6]

# Can swap
arr[range(3)], arr[3:6] = arr[3:6],arr[range(3)] 

# Can't swap
arr[:3], arr[3:6] = arr[3:6],arr[:3]

---

numpy中的基本切片是数组部分的视图，而高级索引创建数组相关部分的副本

从：

高级索引始终返回数据的副本（与 返回视图的基本切片）

arr[range（3）]

是高级索引的一个示例。如果尝试分配给

a

的元素，可以看到这一点：

>>> arr = np.arange(10)
>>> a = arr[range(3)]
>>> a[0] = 11
>>> a
array([11,  1,  2])
>>> arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

相比之下，

arr[：3]

是一个基本切片，它提供了阵列的视图：

>>> arr = np.arange(10)
>>> b = arr[:3]
>>> b[0] = 11
>>> b
array([11,  1,  2])
>>> arr
array([11,  1,  2,  3,  4,  5,  6,  7,  8,  9])

尝试使用数组的两个视图交换不起作用，因为临时元组同样包含数组的两个视图。您没有单独的数据临时副本，这是正确执行交换所需的

事实上，要正确执行交换，您不需要在赋值的左侧使用高级索引。仅在右侧进行即可：

>>> arr = np.arange(10)
>>> arr[:3], arr[3:6] = arr[3:6],arr[range(3)] 
>>> arr
array([3, 4, 5, 0, 1, 2, 6, 7, 8, 9])

或复制：

>>> arr = np.arange(10)
>>> arr[:3], arr[3:6] = arr[3:6],arr[:3].copy()
>>> arr
array([3, 4, 5, 0, 1, 2, 6, 7, 8, 9])

---

谢谢你的回答，我能问你一个问题吗？当我改变c[1]>>>arr=[1,2,3,4,5,6]>>c=arr[：]>>>c[1]=4时，list arr仍然保留值。print arr=[1,2,3,4,5,6]@superbrain我将用“相似”而不是“同样”来重新表述。我的意思是“也”如“就像上面的例子一样”，而不是“除了同一个语句中的其他内容”。@Quang.tpa您的

arr

在注释中的例子是一个列表，而不是numpy数组。尝试使用

arr=np.array（[1,2,3,4,5,6]）

，您将看到不同之处。列表的各个部分都是副本。您是否可以展开讨论

尝试使用数组的两个视图进行交换不起作用…

？为什么同一数组的两个视图不能保存在堆栈上？@yatu这些视图就是：视图。即使这些切片数组对象保存在某个位置，例如临时的2元素元组，在提取值时它们仍然指向原始数组对象。一旦您将

arr[3:6]

复制到

arr[:3]

中，您就不再拥有

arr[:3]

的原始内容。