为何np.multiply使用out=test[mask]无法实现原地操作？

核心原因是：布尔索引返回的是原数组的副本，而非视图。

问题重现 #

先还原你的测试代码：

import numpy as np

test = np.arange(0, 10).reshape(2, 5)
mask = test > 5

# 正常生效的操作
np.multiply(test, 3, out=test)
# Output: 
# [[ 0  3  6  9 12]
#  [15 18 21 24 27]]

# 重置原数组后测试不生效的操作
test = np.arange(0, 10).reshape(2, 5)
np.multiply(test[mask], 3, out=test[mask])
print(test)
# Output:
# [[0 1 2 3 4]
#  [5 6 7 8 9]]

具体解释 #

1. 直接操作整个数组test时，np.multiply(..., out=test)是在原数组的内存空间上直接修改，所以改动会直接体现在原数组中。
2. 但使用布尔索引test[mask]时，NumPy会创建一个包含筛选后元素的临时副本——可以通过代码验证这一点：

   # 切片返回的是视图，和原数组共享内存
   arr_slice = test[:, :3]
   print(arr_slice.base is test)  # 输出True
   
   # 布尔索引返回的是独立副本，不共享内存
   arr_mask = test[mask]
   print(arr_mask.base is test)  # 输出False
   

   所以np.multiply(test[mask], 3, out=test[mask])实际上是把计算结果写入了这个临时副本，原数组的内存完全没被改动。语句执行完毕后临时副本被销毁，原数组自然没有变化。

正确写法 #

要实现对布尔筛选后的元素原地乘以3，直接用索引赋值即可：

test[mask] *= 3
# 或者等价写法
test[mask] = test[mask] * 3

这种方式会直接把计算结果写回原数组的对应内存地址，原数组会被正确修改。

内容的提问来源于stack exchange，提问作者LionCereals