如何测试多维Numpy数组高级索引切片是否为副本？

Numpy官方文档明确高级索引应返回副本，但多维混合索引（如切片+列表索引）场景下，数组的OWNDATA标记、base属性会出现误判——比如示例中b = y[:, [0,5,6]]，b.flags['OWNDATA']为False且b.base指向原数组，但修改b不会影响y，说明b实际是副本。

在无法访问原数组的情况下，可通过以下两种可靠方法判断：

方法1：结合base与内存共享检测 #

利用np.may_share_memory函数检测数组与其base是否共享内存，即使base指向原数组，只要内存不共享，即为副本：

import numpy as np

def is_true_copy(arr):
    if arr.base is None:
        return True
    # 核心：判断数组与base是否共享内存
    return not np.may_share_memory(arr, arr.base)

测试示例：

y = np.ones((1, 10))
b = y[:, [0, 5, 6]]
print(is_true_copy(b))  # 输出 True，正确识别为副本

方法2：修改元素验证内存独立性 #

通过修改数组元素并对比副本的变化，验证内存是否独立：

import numpy as np

def is_true_copy(arr):
    # 记录原始数据
    original = arr.tolist()
    # 修改数组的一个元素
    arr.flat[0] += 100
    # 创建当前状态的副本
    modified_copy = arr.copy()
    # 恢复数组原始状态
    arr[:] = original
    # 若修改后的副本与恢复后的数组不同，说明修改的是独立内存（副本）
    return not np.array_equal(modified_copy, arr)

测试示例：

y = np.ones((1, 10))
b = y[:, [0, 5, 6]]
print(is_true_copy(b))  # 输出 True，正确识别为副本

注意事项 #

• np.may_share_memory存在极小概率误判，但足以覆盖绝大多数Numpy高级索引场景
• 多维混合索引场景下，OWNDATA、base属性不具备参考性，必须通过内存共享或修改验证来判断

内容的提问来源于stack exchange，提问作者Kreol