为何np.split向已有数组赋值时会创建副本？

我是Python新手，正在学习视图（view）与副本（copy）的特性，若问题浅显还请见谅！以下示例中，我使用np.split()拆分数组x：

当将np.split结果赋值给新对象（如包含3个一维数组的列表x1，或三个独立一维数组x2、x3、x4）时，这些对象都是x的视图，符合预期：

import numpy as np

x = np.arange(1, 10)                        # 创建长度为9的数组
x1 = np.split(x, (3,6))                     # 将数组拆分为一个新对象（数组列表）
print(x1[0].base)                           # 列表中的每个数组都是视图

x2, x3, x4 = np.split(x, (3, 6))            # 将数组拆分为三个新对象
print(x2.base)                              # 这些对象是视图

但当我创建一个空的(3,3)数组x5，并将np.split结果赋值给x5的每一行时（我知道这操作无意义，只是想理解拆分机制），却创建了副本：

x5 = np.empty((3,3), dtype = np.int32)      # 创建未初始化数组
x5[0], x5[1], x5[2] = np.split(x, (3, 6))   # 将x拆分后赋值给x5的每一行
print(x5.base)                              # 该对象是副本

我原以为是x5的切片导致副本生成，但对x2、x3、x4进行切片赋值时，它们仍为视图：

x2[:], x3[:], x4[:] = np.split(x, (3, 6))   # 用索引将数组拆分后赋值给三个已有对象
print(x2.base)                              # 这些对象仍是视图

我在视图与副本或np.split的相关资料中未找到解释，请问我忽略了什么？

核心原因解析 #

这两种赋值操作的本质区别在于目标对象的内存是否独立于原数组：

• np.split直接赋值给新变量：np.split返回的是原数组的切片视图，这些视图本身不存储数据，只是指向原数组x的内存区域。当你把它们赋值给x1、x2等变量时，变量只是保存了这些视图的引用，自然和原数组共享内存。
• 赋值给x5的行切片：x5是独立创建的新数组，有自己的内存空间。执行x5[0] = np.split(...)时，本质是把视图中的数据拷贝到x5已分配好的内存位置里，相当于复制了一份原数组的数据到x5的内存中，所以x5和原数组完全独立，是副本。
• 对x2[:]的切片赋值：x2本身已经是原数组的视图，x2[:]指向的是x2对应的原数组内存区域。这种赋值是直接修改视图指向的原数组数据，没有创建新内存空间，所以x2依然是原数组的视图。

简单总结：直接接收np.split返回值拿到的是原数组的"窗口"（视图）；把视图数据写到独立数组的内存里会生成副本；对已有视图的切片赋值只是修改原数组数据，视图属性不变。

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