NumPy数组切片赋值后变量值同步变化原因及正确更新方法

NumPy 中使用基础切片语法（比如你代码里的SP[:,0]）获取的子数组是原数组的视图，不是独立拷贝，二者共享同一块内存空间。
你执行SP0 = SP[:,0]时，并没有把第一列的数据复制一份存到新变量里，只是让SP0指向了SP第一列对应的内存地址。后续修改SP[:,0]的值时，本质是修改这块共享内存里存储的数据，SP0读取到的自然就是更新后的值，这是NumPy为了降低内存占用、提升运算速度做的默认设计。

你可以任选以下一种方式实现需求：

• 方法1：赋值暂存原始值时显式调用.copy()生成独立副本，后续修改原数组不会影响副本内容

import numpy as np
from math import cos, sin

SP = np.array([[-0.4,.2,1],[-.34,.31,1],[-.22,-.2,0],[.8,.25,0],[.92,-.42,1]])
dt = 0.1

# 显式拷贝第一列的原始值，生成独立数组
SP0 = SP[:, 0].copy()
SP[:,0] = SP[:,0] * cos(dt) + SP[:,1] * sin(dt)
SP[:,1] = SP[:,1] * cos(dt) - SP0 * sin(dt)

• 方法2：先基于原始值计算完两列的所有新结果，再统一赋值回原数组，全程不覆盖计算需要用到的原始值，不需要额外拷贝

import numpy as np
from math import cos, sin

SP = np.array([[-0.4,.2,1],[-.34,.31,1],[-.22,-.2,0],[.8,.25,0],[.92,-.42,1]])
dt = 0.1

# 所有计算都基于原始值完成，不提前修改原数组
new_col0 = SP[:,0] * cos(dt) + SP[:,1] * sin(dt)
new_col1 = SP[:,1] * cos(dt) - SP[:,0] * sin(dt)
# 计算全部结束后再更新原数组
SP[:,0], SP[:,1] = new_col0, new_col1

• 方法3：针对你代码里的二维坐标旋转场景，直接用旋转矩阵做矩阵运算，逻辑更简洁，也不会出现值覆盖问题

import numpy as np

SP = np.array([[-0.4,.2,1],[-.34,.31,1],[-.22,-.2,0],[.8,.25,0],[.92,-.42,1]])
dt = 0.1

# 构造二维旋转矩阵
rot_matrix = np.array([
    [np.cos(dt), np.sin(dt)],
    [-np.sin(dt), np.cos(dt)]
])
# 对前两列坐标批量做旋转变换
SP[:, :2] = SP[:, :2] @ rot_matrix

内容的提问来源于stack exchange，提问作者Lost