Numpy赋值拷贝疑问：为何执行b=b+1后原数组a未被修改？

先看这段代码：

import numpy as np
a = np.zeros(10)
b = a
b = b + 1

运行后打印结果：

打印a的输出：

>>> a
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

打印b的输出：

>>> b
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

原因解释 #

核心要区分变量绑定和数组运算的内存行为：

• 执行b = a时，变量b和a确实指向同一个numpy数组对象，共享同一块内存数据。
• 但b = b + 1分两步执行：首先b + 1会创建一个全新的数组，存储原数组每个元素加1后的结果；然后b = ...把变量b重新绑定到这个新数组上，而a依然指向原来的全0数组。

如果想要修改b的同时改变a，得用numpy的原地修改方式，比如：

b += 1  # 或者 b[:] = b + 1

这两种操作会直接在原数组的内存空间里修改元素值，此时a和b还是指向同一个数组，打印a就会得到全1的结果。

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