NumPy原地排序在视图上的行为解析：两次排序输出差异答疑

核心差异点 #

两次操作的根本区别在于变量a指向的对象是否发生了变化：

尝试1的执行逻辑 #

import numpy as np
a = np.array([1, 2, 3])
a[::-1].sort()
print(a)
# 输出 [3 2 1]

• a[::-1]生成的是原数组a的视图（与原数组共享内存空间），没有创建新数组。
• 直接对这个视图调用.sort()是原地排序，排序后的结果会直接写入原数组的内存，因此原数组a的内容被修改为降序。

尝试2的执行逻辑 #

import numpy as np
a = np.array([1, 2, 3])
a = a[::-1]
a.sort()
print(a)
# 输出 [1 2 3]

• 第一步a = a[::-1]：把反转后的视图赋值给变量a，此时变量a的指向已经从原数组切换为这个视图对象。
• 后续调用.sort()是对这个新的视图对象进行原地排序，排序后视图内的元素变为升序，而原数组已经和变量a无关联，所以最终打印的是这个排序后的视图内容。

一句话总结 #

• 尝试1：在原数组的视图上原地修改，直接改变原数组；
• 尝试2：将视图重新赋值给变量a，后续排序仅修改视图，与原数组无关。

内容的提问来源于stack exchange，提问作者karpan