Python 使用高级索引的分配是否复制阵列数据？

我正在慢慢地试图理解numpy中的

view

s和

copy

s之间的区别，以及可变和不可变类型之间的区别

如果我访问数组的一部分，它应该返回一个副本。这似乎是真的：

In [1]: import numpy as np
In [2]: a = np.zeros((3,3))
In [3]: b = np.array(np.identity(3), dtype=bool)

In [4]: c = a[b]

In [5]: c[:] = 9

In [6]: a
Out[6]: 
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

由于

c

只是一个副本，因此它不会共享数据，更改它也不会变异

a

。然而，这让我感到困惑：

In [7]: a[b] = 1

In [8]: a
Out[8]: 
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

所以，看起来，即使我使用高级索引，赋值仍然将左边的东西视为一个视图。显然，第2行中的

a

与第6行中的

a

是相同的对象/数据，因为变异

c

对其没有影响

所以我的问题是：第8行中的

a

是与之前相同的对象/数据（当然不包括对角线）还是副本？换句话说，

a

的数据是复制到新的

a

，还是其数据发生了突变

例如，它是否像：

x = [1,2,3]
x += [4]

或者说：

y = (1,2,3)
y += (4,)

---

我不知道如何检查这一点，因为无论哪种情况，

a.flags.owndata

都是

True

。如果我用一种令人困惑的方式思考这个问题，请随时详细说明或回答不同的问题。

是的，它是同一个对象。以下是您检查的方式：

>>> a
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])
>>> a2 = a
>>> a[b] = 1
>>> a2 is a
True
>>> a2
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

在Python中为某个表达式赋值与读取该表达式的值不同。如果执行

c=a[b]

，且在等号右侧有

a[b]

，则返回一个新对象。如果执行

a[b]=1

，并在等号左侧使用

a[b]

，则会修改原始对象

---

事实上，像

a[b]=1这样的表达式不能更改
a
绑定的名称。处理
obj[index]=value
的代码只知道对象
obj
，而不是用来引用该对象的名称，因此它不能更改该名称所引用的内容。
当您执行
c=a[b]
时，
a.\uu get\u item\uu
将
b
作为其唯一参数调用，无论返回什么，都将分配给
c

当您执行
a[b]=c
时，
a.\uuuu setitem\uuuuu
将使用
b
和
c
作为参数进行调用，返回的任何内容都将被默默地丢弃

因此，尽管有相同的
a[b]
语法，但这两个表达式所做的事情不同。您可以子类化
ndarray
，重载这两个函数，并使它们的行为不同。在numpy中，默认情况下，前者返回一个副本（如果
b
是一个数组），但后者修改
a
。
这似乎是常见的误解，引用了官方文件：
（）

这里的经验法则是：在左值索引（即。
索引放置在赋值的左侧值中），
不创建阵列的视图或副本（因为不需要创建）。
但是，对于常规值，上述创建视图的规则不适用
申请

换句话说,，
view
或
copy
的概念仅指从
numpy
对象检索值的情况。
我认为值得在numpy文档中明确指出一个事实，即当用作左值时，即使是高级索引也会修改原始数组。请参阅视图与副本的精彩摘要。