Python numpy切片和索引不同的结果

在numpy中，通过任何切片、掩蔽或奇特的索引操作获得的子阵列只是原始阵列的视图，可以如下所示：

$ python3
Python 3.5.2 (default, Nov 23 2017, 16:37:01) 
[GCC 5.4.0 20160609] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> np.__version__
'1.11.0'

>>> a = np.arange(3); a[:2] = 111; a
array([111, 111,   2])

>>> a = np.arange(3); a[a<2] = 111; a
array([111, 111,   2])

>>> a = np.arange(3); a[[0,1]] = 111; a
array([111, 111,   2])

$python3
Python 3.5.2（默认值，2017年11月23日，16:37:01）
[GCC 5.4.0 20160609]在linux上
有关详细信息，请键入“帮助”、“版权”、“信用证”或“许可证”。
>>>将numpy作为np导入
>>>np.\u版本__
'1.11.0'
>>>a=np.arange（3）；a[：2]=111；A.
数组（[111,111,2]）
>>>a=np.arange（3）；a[a>>a=np.arange（3）；a[[0,1]]=111；a
数组（[111,111,2]）

在上面的示例中，整个子阵列都已分配给。但是，如果我们分配给子阵列的某个元素，则切片操作的结果仍然表现为视图，而掩蔽和奇特索引操作的结果表现为独立副本：

>>> a = np.arange(3); a[:2][0] = 111; a
array([111,   1,   2])

>>> a = np.arange(3); a[a<2][0] = 111; a
array([0, 1, 2])

>>> a = np.arange(3); a[[0,1]][0] = 111; a
array([0, 1, 2])

a=np.arange（3）；a[：2][0]=111；a 数组（[111,1,2]） >>>a=np.arange（3）；a[a>>a=np.arange（3）；a[[0,1]][0]=111；a 数组（[0,1,2]）

---

这是numpy中的一个bug，还是设计的bug？如果是设计的，那么这种不一致性的证据是什么？

这不是bug。只要将切片对象传递给numpy数组，返回的子数组就是原始项的视图，这意味着即使是切片分配或单个项分配也会更改原始数组。但在其他情况下，返回的结果不是视图，而是所选切片的浅层视图（副本），它只支持切片分配，就像Python中其他可变对象支持的那样

在以下章节中也提到了这一点：

[…]与索引数组一样，返回的是数据的副本，而不是使用切片时得到的视图

---

好的，这意味着我还不太清楚赋值在Python中是如何工作的。现在我的第一印象是，

a[I]

根据它是否出现在赋值运算符的左侧而进行不同的计算。重新阅读文档，我发现对于用户定义的对象，赋值

object[expr]=…

通过计算，而在其他上下文中使用。@Leon确实如此。这就是在Python中设置项和获取项的工作方式。