一个numpy数组的视图视图是一个副本？

Question

如果更改numpy数组的视图，则原始数组也会更改。这是预期的行为。

arr = np.array([1,2,3])
mask = np.array([True, False, False])
arr[mask] = 0
arr
# Out: array([0, 2, 3])

但是，如果我对这种视图进行更改，然后更改，则原始数组不会更改：

arr = np.array([1,2,3])
mask_1 = np.array([True, False, False])
mask_1_arr = arr[mask_1]  # Becomes: array([1])
mask_2 = np.array([True])
mask_1_arr[mask_2] = 0
arr
# Out: array([1, 2, 3])

对我而言，这意味着，当您查看某个视图时，您实际上会获得一份副本。它是否正确？为什么是这样？

如果我使用数字索引的numpy数组而不是布尔值的numpy数组，则会发生相同的行为。（例如arr[np.array([0])][np.array([0])] = 0，不会将第一个元素更改arr为0。）

Answer 1

通过基本切片进行选择总是返回一个视图。通过高级索引进行选择始终会返回一个副本。 通过布尔掩码进行选择是高级索引的一种形式。（高级索引的另一种形式是通过整数数组进行选择。）

但是，通过高级索引分配会影响原始数组。

所以

mask = np.array([True, False, False])
arr[mask] = 0

影响，arr因为它是一项任务。相反，

mask_1_arr = arr[mask_1]

是通过布尔掩码选择的，所以mask_1_arr是的一部分的副本arr。拥有副本后，夹具就到了。Python执行时

mask_2 = np.array([True])
mask_1_arr[mask_2] = 0

分配会影响mask_1_arr，但由于mask_1_arr是副本，因此对无效arr。

|            | basic slicing    | advanced indexing |
|------------+------------------+-------------------|
| selection  | view             | copy              |
| assignment | affects original | affects original  |

在后台，arr[mask] = something使Python调用 arr.__setitem__(mask, something)。ndarray.__setitem__实现该方法进行修改arr。毕竟，这是人们应该__setitem__做的自然的事情 。

相反，作为表达式arr[indexer]导致Python调用 arr.__getitem__(indexer)。当indexer是切片时，元素的规则性允许NumPy返回视图（通过修改步幅和偏移量）。当indexer 为任意布尔掩码或任意整数数组时，所选元素通常没有规律性，因此无法返回视图。因此，必须返回副本。