Numpy布尔索引赋值失效：内容相同的数组赋值结果不一致

问题根本原因 #

出错的核心是test_arr3属于非内存连续的NumPy数组视图，而你用到的np.empty_like会继承输入数组的步长（stride）属性，最终导致布尔索引赋值逻辑异常。
你可以通过打印数组的flags属性验证差异：

print(test_arr3.flags.c_contiguous) # 输出False，非连续
print(test_arr4.flags.c_contiguous) # 输出True，连续

test_arr3是从4列原数组切片得到的视图，没有触发内存拷贝，内存排布不连续；而test_arr4是直接新建的数组，内存连续。当你调用np.empty_like(arr, dtype=str)时，若输入数组非连续，返回的空字符串数组会继承原int32数组的步长（原int32每个元素占4字节，而U1类型字符串仅占1字节），步长与实际数据宽度不匹配，导致后续布尔索引赋值时写入位置错误，所有值最终被后执行的P覆盖。

验证方式 #

你可以对test_arr3做一次深拷贝转为连续数组后再调用函数，结果会恢复正常：

easy_labeling(test_arr3.copy())

更稳妥的实现方案 #

推荐直接用np.where实现逻辑，写法更简洁，且天然规避连续/非连续数组的兼容性问题：

def easy_labeling(arr, thresh=5):
    return np.where(arr < thresh, 'N', 'P')

内容的提问来源于stack exchange，提问作者phil