为何Numpy数组操作结果为[0 0 0]而非预期的[1 1 1]？

核心差异在于：Numpy数组的切片返回原数组的视图（内存引用），而普通变量赋值是值的拷贝。

Numpy代码的执行逻辑 #

当你执行：

import numpy as np

a = np.array([[1,2,3],[4,5,6]])
a_old = a[0]
a[0] = a[0] + np.array([1,1,1])
print(a[0] - a_old)

• a[0]是对二维数组的第一行进行切片，Numpy为了优化性能，默认返回的是原数组的视图——也就是说a_old和a[0]指向同一块内存空间，二者是同一个数组的不同引用。
• 后续a[0] = a[0] + np.array([1,1,1])是直接在原数组的内存块上修改元素值，a_old作为同一块内存的引用，其值也会同步更新。最终a[0]和a_old的数值完全相同，相减结果自然是[0 0 0]。

普通变量的执行逻辑 #

对于普通整数变量：

b = 2
b_old = b
b = b + 1
print(b - b_old)

• 整数是Python的不可变类型，b_old = b会把b的值（2）拷贝一份给b_old，二者是相互独立的对象。
• 执行b = b +1时，会创建一个新的整数对象（值为3）并赋值给b，但b_old仍然指向原来的整数2，所以二者相减结果为1。

解决方法 #

如果需要保存Numpy切片的原始值，避免后续修改影响，需要显式创建切片的副本：

import numpy as np

a = np.array([[1,2,3],[4,5,6]])
a_old = a[0].copy()  # 显式创建副本
a[0] = a[0] + np.array([1,1,1])
print(a[0] - a_old)  # 输出 [1 1 1]

内容的提问来源于stack exchange，提问作者Britzel