继承np.ndarray的自定义类拷贝时修改副本导致原数组被改动

问题根因确认 #

你的定位完全正确：np.copy对dtype=object类型的数组仅执行浅拷贝，仅会生成新的数组容器，数组内存储的所有Cell实例还是和原数组指向同一个内存对象，修改Cell的value属性自然会同步到原数组上。

解决方案 #

方案1：使用标准库深拷贝（最简改法）

直接替换np.copy为Python标准库copy模块的deepcopy方法，它会递归复制所有嵌套的可变对象，生成完全独立的新Cell实例，同时会自动保留Custom类的类型。
修改后的代码如下：

import copy

# 仅需修改modify函数中的拷贝逻辑即可
def modify(instance: Custom, move_from: tuple, move_to: tuple):
    new_instance = copy.deepcopy(instance)
    moving_cell = new_instance[move_from].value
    new_instance[move_to].value = moving_cell
    new_instance[move_from].value = Empty()
    return new_instance

方案2：手动实例化新Cell数组（性能更可控）

如果你不想引入深拷贝的隐式开销，也可以手动遍历原数组生成全新的Cell实例构建新的Custom对象：

def modify(instance: Custom, move_from: tuple, move_to: tuple):
    # 手动生成所有新Cell实例，完全和原数组隔离
    new_instance = Custom([[Cell(cell.value) for cell in row] for row in instance])
    moving_cell = new_instance[move_from].value
    new_instance[move_to].value = moving_cell
    new_instance[move_from].value = Empty()
    return new_instance

方案3：封装Custom类拷贝方法（可选优化）

如果需要频繁执行拷贝操作，可以在Custom类中封装深拷贝逻辑，简化调用：

import copy
class Custom(np.ndarray):
    def __new__(cls, array_like):
        obj = np.asarray(array_like, dtype=object).view(cls)
        return obj

    def __array_finalize__(self, obj):
        if obj is None:
            return
    
    def copy(self):
        return copy.deepcopy(self)

后续直接调用new_instance = instance.copy()即可获取独立的Custom实例。

注意事项 #

如果你的数组规模非常大、Cell类属性多，深拷贝会产生更高的性能开销，你可以根据业务场景在性能和数据隔离性之间做权衡。

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