为何NumPy子数组z0是副本而非视图？修改无法同步至原数组z

给定6×4的NumPy数组z，通过z[z[:, -1] == 0, :-1]获取包含最后一列值为0的所有行前3列的子数组z0，修改z0后原数组z并未同步更新，以下是原因及解决办法：

一、为什么z0是副本而非视图？ #

NumPy中仅规则切片索引（如z[1:3, :]这类连续或固定步长的切片）会返回原数组的视图（共享内存），而布尔掩码索引（z[:, -1] == 0生成的布尔数组）和整数数组索引返回的都是副本，核心原因是：

• 布尔筛选出的行在原数组中是分散的（示例中为第0、1、4行），这些元素在内存中并非连续存储，无法通过单一的内存偏移和步长映射原数组的内存空间。
• 为保证子数组的内存连续性，NumPy会将筛选出的元素复制到新内存区域，因此z0是独立的副本，修改它不会影响原数组z。

可以用np.shares_memory(z, z0)验证，结果会返回False，说明两者不共享内存。

二、如何实现修改同步到原数组？ #

由于布尔索引无法返回视图，我们可以通过直接操作原数组的方式实现同步修改：

方案1：直接通过掩码修改原数组 #

如果仅需修改特定位置，直接用掩码定位原数组元素进行修改：

import numpy as np

z = np.array(
  [[ 0,  2, -4,  0],
   [ 3, -6,  1,  0],
   [-1,  6,  1,  1],
   [ 5, -3, -2,  1],
   [ 6,  3,  2,  0],
   [-1,  6,  1,  1]])

# 生成布尔掩码
mask = z[:, -1] == 0
# 直接修改原数组中目标位置
z[mask, 0] = 99
print(z)

输出：

[[99  2 -4  0]
 [ 3 -6  1  0]
 [-1  6  1  1]
 [ 5 -3 -2  1]
 [ 6  3  2  0]
 [-1  6  1  1]]

方案2：用整数索引直接操作原数组 #

如果需要多次操作目标行，可以先获取符合条件的行索引，再直接定位原数组修改：

# 获取目标行的整数索引
row_indices = np.where(z[:, -1] == 0)[0]
# 直接修改原数组对应位置
z[row_indices[0], 0] = 99

注意：z[row_indices, :-1]仍然是副本，不能通过修改这个子数组同步原数组，必须直接通过z[row_indices, col_index]的方式操作原数组。

特殊场景：目标行连续时的视图方案 #

如果数据中最后一列为0的行是连续的（比如示例中若为第0、1、2行），则可以用切片索引获取视图：

# 假设目标行是连续的0-2行
z0_view = z[0:3, :-1]
z0_view[0,0] = 99  # 修改视图会同步更新原数组

但该方案仅适用于行连续的场景，不具备通用性。

内容的提问来源于stack exchange，提问作者user109387