Numpy分配给切片，何时复制数组答案

【问题标题】：Numpy assigning to slice, when is the array copiedNumpy分配给切片，何时复制数组
【发布时间】：2015-05-28 10:52:13
【问题描述】：

因此，使用 numpy 数组将一个分配给另一个只是复制引用：即

import numpy as np
x = np.array([5,8])
y = x 
y += 1
x
Out: array([6, 9])

如果我想要一个深拷贝，那么我应该使用x.copy()。从更高维数组中获取视图时也是如此，例如

A=np.array([[4,10],[8,1]])
b=A[:,1]
b+=1
A
Out: array([[ 4, 11],
            [ 8,  2]])

反过来（从上面继续）：

A[:,1]=b
b
Out: array([11,  2])
b+=1
A
Out: array([[ 4, 12],
            [ 8,  3]])

所以到目前为止，一切都在持续运行。但现在如果我继续做：

A[:,0] = b
A
Out: array([[12, 12],
            [ 3,  3]])
b
Out: array([12,  3])
b+=1
A
Out: array([[12, 13],
            [ 3,  4]])

我不明白为什么第一列保持不变而另一列没有？为什么第二列继续指向b数组？是否有任何规则可以决定何时在赋值时对数组进行深度复制？

【问题讨论】：

我不知道python，但它看起来像c++指针。您可以将 1 个内存空间分配给多个变量（就像许多变量读取相同的内存指针）而不是 1 个变量分配给多个内存空间（1 个 var 读取多个内存指针）

【解决方案1】：

当你在做的时候

b=A[:,1]

它正在创建对底层数组的引用。但是在这种情况下

A[:,0] = b

仅复制值。因此，在最后一条语句中，第一列保持不变，而仍然被 b 引用的第二列发生变化。 Take a look at this

【讨论】：