NumPy中arr_2=arr、arr.view()、arr.copy()三者的区别是什么？

问题原因 #

你测试得到的结果不符合预期，核心原因是测试操作不符合view/copy的验证规则：你大概率是对arr_2做了整体重新赋值（比如arr_2 = np.array([1,2,3])、arr_2 = arr * 2这类操作），而不是修改数组内部的元素。整体重新赋值会直接改变变量指向的内存地址，直接断开原有数组的关联，自然不管用哪种写法都会得到类似copy的效果。

三种写法的实际表现 #

1. arr_2 = arr #

这是Python层面的引用绑定，相当于给同一个numpy数组对象起了别名，不属于numpy定义的view范畴，但表现和view完全一致：

• 修改数组内部元素（比如arr[0] = 99），arr_2对应位置会同步变化
• 对arr_2整体重新赋值时，只是改变变量指向的对象，不会影响原数组

2. arr_2 = arr.view() #

这是numpy官方定义的视图，两个数组对象共享底层的数据缓冲区，但是各自的shape、dtype等元信息独立：

• 修改数组内部元素时，两个数组同步变化
• 修改任意一个数组的shape、dtype等属性，不会影响另一个数组

3. arr_2 = arr.copy() #

这是numpy的深拷贝，会完全复制底层的数据缓冲区，两个数组完全独立，不管修改内部元素还是数组属性，都不会互相影响。

正确验证示例 #

用下面的代码测试就能得到你预期的（view, view, copy）表现：

import numpy as np

# 测试直接赋值
arr = np.array([1,2,3,4])
arr_2 = arr
arr[0] = 99
print(arr_2) # 输出 [99  2  3  4]，同步变化

# 测试view()
arr = np.array([1,2,3,4])
arr_2 = arr.view()
arr[1] = 88
print(arr_2) # 输出 [ 1 88  3  4]，同步变化

# 测试copy()
arr = np.array([1,2,3,4])
arr_2 = arr.copy()
arr[2] = 77
print(arr_2) # 输出 [1 2 3 4]，无变化

内容的提问来源于stack exchange，提问作者user16714199