Python中拷贝数组修改后影响原数组的问题求助

这绝对是Numpy新手最容易踩的坑之一！我来给你拆解下原因和解决办法：

为啥修改切片会影响原数组？ #

Numpy里的数组切片（比如array[4:6]）默认返回的是原数组的「视图（View）」，而不是独立的拷贝。视图本质上和原数组共享同一块内存空间，这样设计是为了处理大数据时更高效——避免无意义的内存复制拖慢速度。所以你修改视图里的元素，原数组自然会跟着改变。

咱们看你这段代码里的关键问题：

import numpy as np
array = np.array([1,5,6,7,8,94])
arr_temp = array[4:6]  # 这里arr_temp是原数组的视图，不是独立拷贝！
arr_temp[1] = 100
print(array)  # 输出array([ 1,  5,  6,  7,  8, 100])，原数组被修改

怎么让切片成为独立的拷贝？ #

只需要显式调用.copy()方法（或者np.copy()函数），就能得到一个和原数组数据不共享的独立数组：

方法1：用数组的.copy()方法

import numpy as np
array = np.array([1,5,6,7,8,94])
arr_temp = array[4:6].copy()  # 显式创建拷贝
arr_temp[1] = 100
print(array)  # 输出array([ 1,  5,  6,  7,  8, 94])，符合你的预期

方法2：用np.copy()函数

arr_temp = np.copy(array[4:6])

额外小提示 #

如果你用的是布尔索引或者整数索引（比如array[[1,3]]），Numpy默认会返回拷贝而非视图，但切片操作始终返回视图，这点要记牢哦～

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