numpy数组是否为不可变对象？操作表现引发的疑惑

NumPy数组是可变对象，你遇到的不同操作表现差异，本质是操作是否直接修改数组的内存数据，而非对象本身的可变性问题。

1. 不同操作的本质区别 #

• Arr + 10：这是NumPy对+运算符的重载实现，会创建并返回一个新数组，计算结果存储在新数组的内存空间里，原数组的内存数据不会被改动，所以原数组保持不变。
  示例代码：

  import numpy as np
  Arr = np.array([1,2,3,4,5])
  new_Arr = Arr + 10
  print(Arr)        # 输出 [1 2 3 4 5]
  print(new_Arr)    # 输出 [11 12 13 14 15]
  

• Arr += 100 和 Arr[0] = 100：这类属于原地修改操作。+=是原地加法运算符，会直接在原数组占用的内存空间上修改元素值；索引赋值则是直接定位到数组的对应内存位置修改数据，因此原数组会被直接改变。
  示例代码：

  Arr += 100
  print(Arr)        # 输出 [101 102 103 104 105]
  Arr[0] = 100
  print(Arr)        # 输出 [100 102 103 104 105]
  

2. 与浅拷贝/深拷贝的关联 #

你遇到的操作差异和拷贝机制没有直接关系，但如果涉及数组的复制操作，才需要区分浅拷贝（视图）和深拷贝：

• 视图（浅拷贝）：比如通过切片Arr_slice = Arr[1:3]得到的是原数组的视图，二者共享同一块内存数据，修改视图会同步影响原数组。
• 深拷贝：使用Arr_copy = Arr.copy()会创建完全独立的新数组，修改拷贝后的数组不会对原数组产生任何影响。

总结来说，NumPy数组本身是可变的，不同操作的表现差异，是因为运算符或操作的实现逻辑不同——有的返回新数组，有的直接修改原数组的内存数据。

内容的提问来源于stack exchange，提问作者variable