Python 具有相同变量名的Numpy数组切片

当我们对原始numpy数组进行切片并将其设置为同一变量时，它会发生什么变化

>>> a = np.arange(15).reshape([3,5])
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

>>> a = a[2:,:]
>>> a
array([[10, 11, 12, 13, 14]])

原来的a数组发生了什么，是垃圾收集的吗？但是，我们需要引用原始数组，所以它存储在哪里

In [69]: a=np.arange(15).reshape(3,5)

数组具有

base

属性；在这种情况下，它引用1d arange：

In [70]: a.base
Out[70]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])
In [71]: a = a[2:,:]
In [72]: a
Out[72]: array([[10, 11, 12, 13, 14]])

同样的基础。（3,5）视图不可用：

In [73]: a.base
Out[73]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

但如果二维阵列是副本，而不仅仅是视图：

In [74]: a=np.arange(15).reshape(3,5).copy()
In [75]: a.base
In [76]: a = a[2:,:]
In [77]: a.base
Out[77]: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

---

与任何其他python对象一样，数组对象本身将少一个引用。如果这是对该对象的唯一引用，则该对象可以自由地进行垃圾收集。在CPython中（特别是当您使用

numpy

），当ref计数达到0时，它会立即被回收。注意，底层缓冲区没有被释放，因为数组切片在底层缓冲区上创建视图。如果需要原始数组，为什么要再次将结果分配给

a

？只是

b=a[2:，：]

你既有原始的，也有结果？是的，如果没有对原始数组的进一步引用，它将被垃圾收集（在本例中，这意味着它将提供视图-@juan.arrivillaga提出了一个重要的观点）。是的，我是出于好奇才这样问的。你所说的底层缓冲区是什么意思？cpython分配的内存位置是否仍然充满了数据？例如，RAM中的空间是否仍被占用？拷贝与将数组存储在

base

属性中有什么关系？在第75行中，我们为什么看不到任何输出？

a.base

是

None

-它不是派生数组。它有自己的数据缓冲区（由于复制）。