Python 为什么索引数组的行为与numpy用户文档中记录的一样？

示例

关于的文档为那些天真的程序员展示了一个具有意外结果的示例

>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x[np.array([1, 1, 3, 1])] += 1
>>> x
array([ 0, 11, 20, 31, 40])

文档中说，人们可能天真地期望数组在

x[1]+1

处的值增加三倍，但实际上它被分配给

x[1]

三倍

问题

真正让我困惑的是，我所期望的是操作

x+=1

的行为与普通Python中的操作一样，就像

x=x+1

，因此

x

产生

数组（[11,11,31,11]）

。如本例所示：

>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x = x[np.array([1, 1, 3, 1])] + 1
>>> x
array([11, 11, 31, 11])

问题

第一:

原始示例中发生了什么？有人能详细解释一下吗

第二：

---

这是一种记录在案的行为，我同意。但我认为它应该像我描述的那样，因为这是从蟒蛇学的角度所期望的。所以，仅仅因为我想被说服：有没有一个很好的理由让它表现得像是超越了“我预期的”行为？

问题是，你给出的第二个例子与第一个不同。如果您分别查看

x[np.array（[1,1,3,1]）]+1的值，就会更容易理解，numpy在两个示例中都会计算该值

x[np.array（[1,1,3,1]）]+1的值是您所期望的：
array（[11,11,31,11]）

在示例1中，将此答案指定给原始数组x中的元素1和3。这意味着新值11被分配给元素1三次

但是，在示例2中，您使用新的数组
数组（[11,11,31,11]）
替换原始数组x

这是第一个示例的正确等效代码，并给出了相同的结果

>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x[np.array([1, 1, 3, 1])] = x[np.array([1, 1, 3, 1])] + 1
>>> x
array([ 0, 11, 20, 31, 40])

不知道NumPy的内部结构，但可能是因为+=是一个就地操作，+不是。我怀疑在第一种情况下，创建了数组的视图（忽略double），然后应用了+=操作。在第二种情况下，我怀疑有人首先复制了视图，然后进行了+操作。（对我来说似乎并不不合理（NumPy有时不像Python，更像C/Fortran（有充分的理由）））谢谢！最后一个代码清单非常有用。我告诉我，我首先误解了“+=”运算符。（x[y]+=1--[相当于]->x[y]=x[y]+1），（x[y]+=1--[不相当于]-->x=x[y]+1）
>>> x = np.arange(0, 50, 10)
>>> x
array([ 0, 10, 20, 30, 40])
>>> x[np.array([1, 1, 3, 1])] = x[np.array([1, 1, 3, 1])] + 1
>>> x
array([ 0, 11, 20, 31, 40])